在 Databricks 部署模型

Databricks 概念

Kevin Barlow

Data Practitioner

机器学习生命周期

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

模型部署与运维

部署模型的关注点

可用性

• 终端用户或应用如何使用该模型？
• 模型需放在哪里便于访问？
• 模型是否易于理解和使用？

评估

• 用户是否真的在用该模型？
• 模型仍表现良好吗？
• 需要重新训练吗？
• 是否需要更好的新模型？

模型部署流程

模型风格（Flavors）

• MLFlow Models 可存储任意机器学习框架的模型
• 模型与不同配置和工件一同保存
• 可按需"转换"为其他风格的模型，例如：
  • scikit-learn
  • pyfunc
  • spark
  • tensorflow

模型注册表

模型注册表

模型注册表

模型注册表

模型服务

模型服务

模型服务

模型服务

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

¡Vamos a practicar!

Databricks 概念