یادگیری ماشین با Azure Databricks

آنچه یاد خواهید گرفت

بسیاری از سازمان ها با گردش های کاری یادگیری ماشین پراکنده، ابزارهای جداگانه و روش‌های متناقض در مدیریت مدل‌ها مشکل دارند. بدون رویکرد یکپارچه، توسعه، پیگیری و استقرار مدل‌های یادگیری ماشین می‌تواند ناکارآمد و پرخطا باشد.

در این دوره، یادگیری ماشین با Azure Databricks، توانایی ساخت، مدیریت و خودکارسازی گردش های کاری کامل یادگیری ماشین را با استفاده از Databricks MLflow و Azure Machine Learning کسب می کنید.

ابتدا کامپوننت های اصلی Databricks ML Runtime و MLflow را بررسی کرده و درک می‌کنید که چگونه این کامپوننت ها با Azure Machine Learning و سرویس‌های AI یکپارچه می‌شوند.

سپس، روش پیش‌پردازش داده، آموزش مدل با استفاده از scikit-learn، ثبت آزمایش‌ها با MLflow و تنظیم مدل با اعتبارسنجی متقابل و بهینه‌سازی هایپرپارامترها را یاد می‌گیرید.

در نهایت، یاد می‌گیرید چگونه مدل‌ها را ثبت و مستقر کنید، عملکرد مدل را نظارت کنید، پایپ لاین آموزش مجدد را با Databricks Workflows خودکار کنید و گردش های کاری ML را با Azure Data Factory هماهنگ کنید.

وقتی این دوره را به پایان برسانید، مهارت‌ها و دانش لازم برای توسعه، استقرار و نگهداری گردش های کاری سطح تولید یادگیری ماشین در Databricks و Azure را خواهید داشت.