Machine Learning

Basato su un'architettura lakehouse aperta, Databricks Machine Learning consente ai team ML di preparare ed elaborare dati, snellisce la collaborazione fra i team e standardizza tutto il ciclo di vita ML, dalla sperimentazione alla produzione.

Semplificare tutti gli aspetti dei dati per il ML

Poiché Databricks ML è basato su una piattaforma lakehouse aperta con Delta Lake, il team di machine learning potrà accedere, esplorare e preparare qualsiasi tipo di dati in qualsiasi quantità. Le feature possono essere trasformate in pipeline di produzione con una modalità self-service senza dipendere dagli ingegneri dei dati.

Automatizzare il tracciamento e la governance degli esperimenti

Managed MLflow traccia automaticamente gli esperimenti e registra parametri, metriche, versioni di dati e codice, oltre agli artefatti dei modelli a ogni ciclo di addestramento. Si possono visualizzare velocemente cicli precedenti, confrontare i risultati e riprodurre un risultato passato, secondo necessità. Una volta individuata la versione migliore di un modello per la produzione, il modello può essere registrato nel Model Registry per semplificare i passaggi di consegne lungo tutto il ciclo di vita dello sviluppo.

Gestisci l'intero ciclo di vita del modello, dai dati alla produzione... e ritorno

Una volta registrati, i modelli addestrati possono essere gestiti in maniera collaborativa lungo tutto il ciclo di vita con Model Registry. Si possono gestire diverse versioni e i modelli possono passare attraverso diversi stadi, ad esempio sperimentazione, staging, produzione e archiviazione. La gestione del ciclo di vita si integra con i flussi di lavoro di approvazione e governance, con controlli di accesso basati sui ruoli. Commenti e notifiche via mail offrono un ambiente di collaborazione ricco per i team di gestione dei dati.

Implementare modelli ML su larga scala con bassa latenza

Implementa modelli con un solo clic senza preoccuparti di gestione del server o vincoli dimensionali. Databricks consente di implementare i modelli come endpoint di API REST ovunque, con disponibilità in tutta l'impresa.