Databricks में मॉडल डिप्लॉय करना

Databricks कॉन्सेप्ट्स

Kevin Barlow

Data Practitioner

Machine Learning Lifecycle

Machine Learning Lifecycle

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

Model Deployment और Operations

Machine Learning Lifecycle

मॉडल डिप्लॉय करते समय चिंताएँ

Availability

आपके end users या application मॉडल को कैसे इस्तेमाल करेंगे?
एक्सेस के लिए मॉडल कहाँ रखना होगा?
क्या मॉडल समझना और इस्तेमाल करना आसान होगा?

Using a ML model

Evaluation

क्या उपयोगकर्ता सच में मॉडल का उपयोग कर रहे हैं?
क्या मॉडल अब भी अच्छा परफॉर्म कर रहा है?
क्या मुझे मॉडल को फिर से ट्रेन करना है?
क्या मुझे बेहतर नया मॉडल चाहिए?

Evaluating a ML model

Model Deployment प्रक्रिया

Model Deployment Process

Model Flavors

MLFlow Models किसी भी machine learning framework से मॉडल स्टोर कर सकते हैं
मॉडल अलग-अलग कॉन्फ़िगरेशन और आर्टिफैक्ट्स के साथ स्टोर होते हैं
ज़रूरत के अनुसार मॉडलों को दूसरे "फ्लेवर" में बदला जा सकता है. उदाहरण:
- scikit-learn
- pyfunc
- spark
- tensorflow

MLFlow Models

Model Registry

Databricks Model Registry

Model Registry

Model Registry - Registered Models

Model Registry

Model Registry - Model Versions

Model Registry

Model Registry - Model Staging

Model Serving

Databricks Model Serving

Model Serving

Model Serving - Cluster

Model Serving

Model Serving - Model Selection

Model Serving

Model Serving Metrics

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

अभ्यास करते हैं!

Databricks कॉन्सेप्ट्स

Preparing Video For Download...