Använda Databricks för maskininlärning

Databricks – grundläggande koncept

Kevin Barlow

Data Practitioner

Maskininlärningens livscykel

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

Planering och förberedelse

ML-livscykel – EDA

Planering för maskininlärning

Vad har jag?

Datatillgång
Affärskrav
Datavetare/dataanalytiker

Datateam och resurser

Vad vill jag uppnå?

Användningsområden
Juridisk och säkerhetsmässig efterlevnad
Affärsresultat

Affärsresultat

ML Runtime

Utökning av Databricks compute
Optimerad för maskininlärningsapplikationer
Innehåller de vanligaste biblioteken och ramverken
- scikit-learn, SparkML, TensorFlow
- MLFlow
Fungerar med klusterbibliotekshantering

Databricks ML Runtime

Explorativ dataanalys

import pandas as pd
pd.describe(df)

# Spark DF
df.summary()

dbutils.data.summarize()

import bamboolib as bam
df

EDA i Databricks

Särdragstabeller och särdragslager

Rådata

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

Särdragstabell

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

Centraliserad lagring för särdragsbearbetade datamängder
Upptäck och återanvänd särdrag enkelt för maskininlärningsmodeller
Uppströms- och nedströmslinjaritet

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"
)

Nu kör vi en övning!

Databricks – grundläggande koncept