Использование Databricks для машинного обучения

Концепции Databricks

Kevin Barlow

Data Practitioner

Жизненный цикл машинного обучения

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

Планирование и подготовка

Жизненный цикл МО — разведочный анализ данных

Планирование машинного обучения

Что у меня есть?

Доступность данных
Бизнес-требования
Специалисты по данным и аналитики

Команда и ресурсы

Чего я хочу достичь?

Варианты применения
Соответствие правовым и требованиям безопасности
Бизнес-результаты

Бизнес-результаты

ML Runtime

Расширение вычислительной среды Databricks
Оптимизирован для задач машинного обучения
Включает наиболее популярные библиотеки и фреймворки
- scikit-learn, SparkML, TensorFlow
- MLFlow
Работает с управлением библиотеками кластера

Databricks ML Runtime

Разведочный анализ данных

import pandas as pd
pd.describe(df)

# Spark DF
df.summary()

dbutils.data.summarize()

import bamboolib as bam
df

Разведочный анализ данных в Databricks

Таблицы признаков и хранилища признаков

Исходные данные

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

Таблица признаков

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

Централизованное хранилище наборов данных с признаками
Удобный поиск и повторное использование признаков для моделей МО
Отслеживание зависимостей вверх и вниз по потоку

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"
)

Давайте потренируемся!

Концепции Databricks