Databricks gebruiken voor machine learning

Databricks-concepten

Kevin Barlow

Data Practitioner

Levenscyclus van machine learning

¹ https://www.datacamp.com/blog/machine-learning-lifecycle-explained

Planning en voorbereiding

ML-levenscyclus - EDA

Plannen voor machine learning

Wat heb ik?

Databeschikbaarheid
Zakelijke vereisten
Data scientists/data-analisten

Datateam en resources

Wat wil ik?

Use-cases
Juridische en security-compliance
Zakelijke outcomes

Zakelijke outcomes

ML Runtime

Uitbreiding van Databricks-compute
Geoptimaliseerd voor ML-toepassingen
Bevat de meest gebruikte libraries en frameworks
- scikit-learn, SparkML, TensorFlow
- MLFlow
Werkt met cluster library management

Databricks ML Runtime

Exploratory Data Analysis

import pandas as pd
pd.describe(df)

# Spark DF
df.summary()

dbutils.data.summarize()

import bamboolib as bam
df

EDA in Databricks

Featuretabellen en feature stores

Rauwe data

count	category	price	shelf_loc	rating
4	horror	12.50	end	3
6	romance	13.99	top	4.5
12	sci-fi	16.50	bottom	5
31	romance	9.99	bottom	3.5
23	fantasy	24.99	top	4
18	horror	19.99	end	2.5
19	cooking	17.50	end	4.5
7	fantasy	12.99	top	3
37	sci-fi	14.99	bottom	5

Featuretabel

count	category	price	shelf_loc	rating
4	1	12.50	1	3
6	2	13.99	2	4.5
12	3	16.50	3	5
31	2	9.99	3	3.5
23	4	24.99	2	4
18	1	19.99	1	2.5
19	5	17.50	1	4.5
7	4	12.99	2	3
37	3	14.99	3	5

Databricks Feature Store

Gecentraliseerde opslag voor gefeaturede datasets
Features voor ML-modellen makkelijk vinden en hergebruiken
Upstream- en downstream-herkomst

Databricks Feature Store

from databricks import feature_store

fs = feature_store.FeatureStoreClient()

fs.create_table(
    name=table_name,
    primary_keys=["wine_id"],
    df=features_df,
    schema=features_df.schema,
    description="wine features"
)

Laten we oefenen!

Databricks-concepten