身為 Sierra Publishing 的首席資料科學家,你受邀與組織內更廣泛的資料社群分享新的機器學習計畫。你已經介紹了整體的 MLOps 流程,不過資料團隊仍需要釐清自己在生命週期中的角色。
你決定用具體任務當例子,並標示這些任務在 MLOps 流程中的位置,來協助說明。
本練習屬於課程
將理論付諸實踐,立即體驗我們的互動練習
了解雲端資料策略中的新 Lakehouse 範式,以及 Databricks Lakehouse 平台如何讓你的資料架構現代化。認識 Databricks 平台的基礎元件,以及它們如何彼此整合。
學習使用 Databricks 的功能來處理、轉換與清理你的資料。實作 Delta 儲存格式、Delta Live Tables 與 Workflows 等能力,將它們結合起來建立端到端的資料管線。
將 Databricks Lakehouse 平台作為你的資料倉儲解決方案,以支援商業智慧(BI)情境。使用 Databricks 內建、為 SQL 最佳化的功能,在你的資料上建立查詢與儀表板。
使用 Databricks 以受管的 MLFlow 管理你的機器學習管線。透過 Feature Store、Model Registry 與 Model Serving Endpoints,從端到端走過模型開發生命週期,在 Lakehouse 中打造健全的 MLOps 平台。
當前練習