Databricks w uczeniu maszynowym

Koncepcje Databricks

Kevin Barlow

Data Practitioner

Cykl życia uczenia maszynowego

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

Planowanie i przygotowanie

Cykl życia ML – EDA

Planowanie uczenia maszynowego

Co mam do dyspozycji?

Dostępność danych
Wymagania biznesowe
Data scientists/analitycy danych

Zespół i zasoby

Czego chcę osiągnąć?

Przypadki użycia
Zgodność prawna i bezpieczeństwo
Wyniki biznesowe

Wyniki biznesowe

ML Runtime

Rozszerzenie środowiska obliczeniowego Databricks
Zoptymalizowane pod kątem uczenia maszynowego
Zawiera najpopularniejsze biblioteki i frameworki
- scikit-learn, SparkML, TensorFlow
- MLFlow
Obsługuje zarządzanie bibliotekami klastra

Databricks ML Runtime

Eksploracyjna analiza danych

import pandas as pd
pd.describe(df)

# Spark DF
df.summary()

dbutils.data.summarize()

import bamboolib as bam
df

EDA w Databricks

Tabele cech i magazyny cech

Dane surowe

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

Tabela cech

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

Centralne repozytorium zestandaryzowanych cech
Łatwe wyszukiwanie i ponowne użycie cech
Śledzenie zależności w górę i w dół

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"
)

Czas na ćwiczenia!

Koncepcje Databricks