آموزش ساخت مدل های یادگیری ماشین بر روی Databricks

بررسی اجمالی دوره Course Overview

• بررسی اجمالی دوره Course Overview

معرفی یادگیری ماشینی روی Databricks Introducing Machine Learning on Databricks

• پیش نیازها و رئوس مطالب دوره Prequisites and Course Outline

• مروری بر Databricks Overview of Databricks

• زمان اجرا یادگیری ماشین Databricks The Databricks Machine Learning Runtime

• معرفی MLflow Introducing MLflow

• نسخه ی نمایشی: راه اندازی با محیط یادگیری ماشین روی Databricks Demo: Getting Set up with the Machine Learning Environment on Databricks

پیاده سازی مدل های یادگیری اسکیتی در Databricks Implementing scikit-learn Models in Databricks

• مروری سریع بر scikit-learn A Quick Overview of scikit-learn

• نسخه ی نمایشی: بارگیری، کاوش و پیش پردازش داده ها Demo: Loading, Exploring, and Preprocessing Data

• نسخه ی نمایشی: ایجاد یک آزمایش و اجرا Demo: Creating an Experiment and Run

• نسخه ی نمایشی: ثبت خودکار برای ردیابی معیارهای مدل Demo: Autologging to Track Model Metrics

• نسخه ی نمایشی: ایجاد اجرای چندگانه و مقایسه اجراها Demo: Creating Multiple Runs and Comparing Runs

• نسخه ی نمایشی: استفاده از مدل بارگذاری شده برای پیش بینی ها Demo: Using Loaded Model for Predictions

• نسخه ی نمایشی: استفاده از Bamboolib برای کاوش و تبدیل داده ها Demo: Using Bamboolib for Data Exploration and Transformation

• نسخه ی نمایشی: ثبت خودکار برای ردیابی معیارها برای یک مدل طبقه بندی Demo: Autologging to Track Metrics for a Classification Model

• نسخه ی نمایشی: ثبت مدل ها و مدیریت انتقال مرحله Demo: Registering Models and Managing Stage Transitions

• نسخه ی نمایشی: استنتاج کلاسیک با استفاده از نقطه پایانی REST Demo: Classic Inferencing Using a REST Endpoint

پیاده سازی مدل های XGBoost در Databricks Implementing XGBoost Models in Databricks

• مروری بر XGBoost An Overview of XGBoost

• نسخه ی نمایشی: استنباط مدل امضا و گزارش مدل Demo: Inferring Model Signature and Logging Models

• نسخه ی نمایشی: اجرای خودکار XGBoost مدل Demo: Autologging XGBoost Model Runs

• یادگیری ماشین با استفاده از اسپارک آپاچی Machine Learning Using Apache Spark

• نسخه ی نمایشی: بارگیری داده ها در یک جدول دلتا Demo: Loading Data into a Delta Table

• نسخه ی نمایشی: آموزش یک مدل با استفاده از خط لوله Spark ML Demo: Training a Model Using a Spark ML Pipeline

• نسخه ی نمایشی: آموزش یک مدل XGBoost با استفاده از خط لوله اسپارک Demo: Training an XGBoost Model Using a Spark Pipeline

• نسخه ی نمایشی: استفاده از Cross Validation برای یافتن بهترین هایپرپارامترهای مدل Demo: Using Cross Validation to Find the Best Model Hyperparameters

تنظیم فراپارامتر برای مدل های یادگیری ماشین Hyperparameter Tuning for Machine Learning Models

• آشنایی با تنظیم فراپارامتر Understanding Hyperparameter Tuning

• Hyperopt برای تنظیم Hyperparameter Hyperopt for Hyperparameter Tuning

• نسخه ی نمایشی: ثبت صریح پارامترهای مدل Demo: Explicitly Logging Model Parameters

• نسخه ی نمایشی: تنظیم Hyperparameter با استفاده از Hyperopt Demo: Hyperparameter Tuning Using Hyperopt

• نسخه ی نمایشی: آموزش Hyperparameter با استفاده از طبقه بندی کننده های مختلف Demo: Hyperparameter Training Using Different Classifiers

• خلاصه و مطالعه بیشتر Summary and Further Study