Nasazení modelu v Databricks

Databricks Concepts

Kevin Barlow

Data Practitioner

Životní cyklus strojového učení

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

Nasazení a provoz modelu

Aspekty nasazení modelů

Dostupnost

• Jak budou koncoví uživatelé nebo aplikace model využívat?
• Kde musí být model umístěn, aby byl přístupný?
• Bude model snadné pochopit a používat?

Hodnocení

• Využívají uživatelé model skutečně?
• Funguje model stále dobře?
• Je nutné model přetrénovat?
• Je potřeba lepší model?

Proces nasazení modelu

Varianty modelu

• MLFlow Models umožňuje ukládat modely z libovolného frameworku
• Modely jsou uloženy spolu s různými konfiguracemi a artefakty
• Modely lze „převést" na jiný typ podle potřeby. Například:
  • scikit-learn
  • pyfunc
  • spark
  • tensorflow

Registr modelů

Registr modelů

Registr modelů

Registr modelů

Nasazování modelů

Nasazování modelů

Nasazování modelů

Nasazování modelů

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

Pojďme si to procvičit!

Databricks Concepts