Використання Databricks для машинного навчання

Концепції Databricks

Kevin Barlow

Data Practitioner

Життєвий цикл машинного навчання

Життєвий цикл ML

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

Планування та підготовка

ЖЦ ML — EDA

Планування машинного навчання

Що у мене є?

Наявність даних
Бізнес-вимоги
Data scientists/аналітики даних

Команда даних і ресурси

Чого я хочу?

Варіанти використання
Юридична та безпекова відповідність
Бізнес-результати

Бізнес-результати

ML Runtime

Розширення обчислень Databricks
Оптимізоване для застосунків машинного навчання
Містить найпоширеніші бібліотеки та фреймворки
- scikit-learn, SparkML, TensorFlow
- MLFlow
Працює з керуванням бібліотеками кластера

Databricks ML Runtime

Розвідковий аналіз даних

import pandas as pd
pd.describe(df)

# Spark DF
df.summary()

dbutils.data.summarize()

import bamboolib as bam
df

EDA в Databricks

Таблиці ознак і сховища ознак

Сирі дані

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

Таблиця ознак

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

Централізоване сховище для наборів даних з ознаками
Легко знаходити й перевикористовувати ознаки для моделей ML
Трасування походження вхідних і вихідних даних

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 потренуємось!

Концепції Databricks