Practical Machine Learning on Databricks

Это практическое руководство для опытных специалистов по данным и разработчиков, которые хотят освоить сквозной процесс машинного обучения на платформе Databricks. Книга охватывает весь путь от разработки до промышленного внедрения моделей, используя возможности облачной платформы Databricks.

Вы изучите основы подготовки данных, выбора моделей и обучения, а также познакомитесь с мощными инструментами платформы: Databricks Feature Store для управления признаками, AutoML для автоматизации экспериментов и рабочими процессами (workflows) для развертывания. Особое внимание уделено использованию MLflow для отслеживания экспериментов, совместной работы и управления моделями.

Книга содержит множество практических примеров кода на Python и фокусируется на общедоступных функциях платформы, давая прочную основу для адаптации к будущим инновациям в области машинного обучения и MLOps.

Похожие книги

Distributed Machine Learning Patterns

Machine Learning Algorithms in Depth

Hands-On Machine Learning with C++: Build, train, and deploy end-to-end machine learning and deep learning pipelines

Data Without Labels: Practical Unsupervised Machine Learning

The Hundred-Page Machine Learning Book

The Pragmatic Programmer for Machine Learning: Engineering Analytics and Data Science Solutions

Modern Data Architectures with Python: A practical guide to building and deploying data pipelines, data warehouses, and data lakes with Python

Machine Learning in Production: Master the art of delivering robust Machine Learning solutions with MLOps

Essentials of Python for Artificial Intelligence and Machine Learning

Machine Learning Platform Engineering: Build an internal developer platform for ML and AI systems