Een model deployen in Databricks

Databricks-concepten

Kevin Barlow

Data Practitioner

Levenscyclus van machine learning

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

Modeldeployment en -operaties

Aandachtspunten bij deployen van modellen

Beschikbaarheid

• Hoe gebruiken eindgebruikers of apps het model?
• Waar plaats ik het model voor toegang?
• Is het model makkelijk te begrijpen of te gebruiken?

Evaluatie

• Gebruiken m'n users het model echt?
• Presteert het model nog goed?
• Moet ik het model hertrainen?
• Is een beter, nieuw model nodig?

Modeldeployment-proces

Model flavors

• MLflow Models kan modellen uit elk ML-framework opslaan
• Modellen worden opgeslagen met configuraties en artifacts
• Modellen kunnen naar een ander type worden omgezet, bv.:
  • scikit-learn
  • pyfunc
  • spark
  • tensorflow

Model Registry

Model Registry

Model Registry

Model Registry

Model serving

Model serving

Model serving

Model serving

¹ https://www.databricks.com/product/model-serving

Laten we oefenen!

Databricks-concepten