Model Development at Scale - Mandarin Chinese
在本课程中，您将学习如何设计和实现机器学习工作流，使其能够从单台机器扩展到 Databricks 上的分布式 compute。课程内容分为三个模块：模型开发基础（何时以及为何进行分布式处理，以及 Spark 如何执行任务）、使用 Spark ML 和 MLflow 进行可扩展模型开发，以及使用 Ray 和 PyTorch 进行分布式模型训练——最后介绍一个用于为特定工作负载选择合适工具的框架。
通过动手演示和实验，您将使用 Transformers、Estimators 以及 fit/transform 范式构建分布式 Spark ML管道；使用 Spark 上的 Pandas API 扩展现有 Pandas 代码；并使用 MLflow 3 和 Unity Catalog 追踪、比较和管理实验。随后，您将使用 Ray Train 和 PyTorch（TorchDistributor 和 DeepSpeed）在集群中训练模型，并学习如何根据数据规模、模型规模、硬件和成本，将每种工作负载与合适的框架相匹配。
课程最后以一个综合实践项目收尾，该项目涵盖端到端的完整流程——特征工程、大规模训练模型、使用 MLflow 进行追踪，以及通过治理别名将模型注册到 Unity Catalog。（生产部署、服务和监控内容将在独立的 Advanced MLOps 课程中讲授。）
学完本课程后，您将能够在 Databricks 上选择、构建并论证分布式、可复现且受治理的模型开发工作流。
注意：对于 SCORM 讲座文件，请在完成内容后关闭 SCORM 窗口。请勿点击“Next Lesson”按钮，否则可能导致 SCORM 模块无法标记为已完成。
本课程最适合具备以下背景的学习者：
• 用户应具备传统机器学习概念、开发以及在 ML 项目中使用 Python 和 Git 的中级知识。
• 建议用户具备中级 Python 使用经验。
• Databricks Academy 的内容仅设计为在所提供的 Vocareum 环境中运行。
• Databricks 不保证相关内容能够在任何其他 Databricks workspace 实例上成功运行。
Self-Paced
Custom-fit learning paths for data, analytics, and AI roles and career paths through on-demand videos
Registration options
Databricks has a delivery method for wherever you are on your learning journey
Self-Paced
Custom-fit learning paths for data, analytics, and AI roles and career paths through on-demand videos
Register now
Instructor-Led
Public and private courses taught by expert instructors across half-day to two-day courses
Register now
Blended Learning
Self-paced and weekly instructor-led sessions for every style of learner to optimize course completion and knowledge retention. Go to Subscriptions Catalog tab to purchase
Purchase now
Skills@Scale
Comprehensive training offering for large scale customers that includes learning elements for every style of learning. Inquire with your account executive for details
