Apache Spark’ın yaratıcıları tarafından kurulan Databricks, açık kaynaklı MLflow projesiyle makine öğrenimi projelerinin yaşam döngüsünü yönetmek için bir platform sağlar. Veri ambarlarını veri göllerine bağlayan Databricks Lakehouse mimarisine doğrudan bağlantı sunar ve veri bilimcilere makine öğrenimi modelleriyle çalışmak için ilgili araçları sağlar. Bu platforma dayalı e-ticarette dolandırıcılık tespiti, müşteri hizmetleri sohbet botları veya kişiselleştirilmiş öneriler gibi alanlarda gerçek zamanlı uygulamalar için daha da basit makine öğrenimi modelleri sunabilmek için şirket, Databricks Modeli tarafından genel kullanılabilirliği (GA ) duyurur. hizmet vermektedir.
MLflow, Unity Catalog ve Feature Store ile Lakehouse’a entegre edilmiştir
Yeni sunucusuz hizmet, Lakehouse mimarisine yerleştirilmiştir ve MLflow, Unity Catalog ve Feature Store entegrasyonu sayesinde tüm makine öğrenimi sürecini kapsar. Databricks Model Serving ile mühendislik karakterizasyonu için veri hazırlamaktan, eğitmeye, REST API olarak kullanılabilir hale getirmeye ve ML modellerini izlemeye kadar sürecin tüm aşamaları tek bir platformda yönetilebilir. Yeni teklifin belirtilen hedefi, veri bilimi ekiplerinin yeni gerçek zamanlı makine öğrenimi uygulamalarını daha hızlı ve üretime daha hazır hale getirmesini sağlamak ve böylece kuruluşların da ChatGPT gibi üretken yapay zeka olanaklarından daha spesifik olarak yararlanabilmesini sağlamaktır.
Databricks Model Serving sunucusuz hizmeti, makine öğrenimi modelleri oluştururken ve çalıştırırken daha yüksek hız vaat ediyor.
(Resim: veri tuğlaları)
Databricks Model Sunumu, MLflow’un model sunma işlevlerini temel alır ve otomatik dağıtım için model kayıt defterini kullanır. Model eğitimi sırasında tanımlanan özellikler, özellik deposuyla entegrasyon yoluyla otomatik olarak çıkarıma dahil edilir ve merkezi yönetişim örneği olarak Unity Catalog, makine öğrenimi modelinin tüm verilerinin ve bileşenlerinin yönetimini ve kontrolünü destekler. Databricks, gelecekteki Model Sunumu güncellemelerinde sorun gidermeye ve model izlemeye yardımcı olmak için tanılama ve kalite güvencesi yetenekleri eklemeyi planlıyor. Veri bilimcileri daha sonra sunucusuz hizmet aracılığıyla model eğitimi için veri kümeleri oluşturmaya başlayabilmelidir.
Yeni teklif hakkında daha fazla bilgi için duyuru blog gönderisine ve Databricks Model Teslimat Belgelerine bakın.
(harita)
Haberin Sonu
MLflow, Unity Catalog ve Feature Store ile Lakehouse’a entegre edilmiştir
Yeni sunucusuz hizmet, Lakehouse mimarisine yerleştirilmiştir ve MLflow, Unity Catalog ve Feature Store entegrasyonu sayesinde tüm makine öğrenimi sürecini kapsar. Databricks Model Serving ile mühendislik karakterizasyonu için veri hazırlamaktan, eğitmeye, REST API olarak kullanılabilir hale getirmeye ve ML modellerini izlemeye kadar sürecin tüm aşamaları tek bir platformda yönetilebilir. Yeni teklifin belirtilen hedefi, veri bilimi ekiplerinin yeni gerçek zamanlı makine öğrenimi uygulamalarını daha hızlı ve üretime daha hazır hale getirmesini sağlamak ve böylece kuruluşların da ChatGPT gibi üretken yapay zeka olanaklarından daha spesifik olarak yararlanabilmesini sağlamaktır.
Databricks Model Serving sunucusuz hizmeti, makine öğrenimi modelleri oluştururken ve çalıştırırken daha yüksek hız vaat ediyor.
(Resim: veri tuğlaları)
Databricks Model Sunumu, MLflow’un model sunma işlevlerini temel alır ve otomatik dağıtım için model kayıt defterini kullanır. Model eğitimi sırasında tanımlanan özellikler, özellik deposuyla entegrasyon yoluyla otomatik olarak çıkarıma dahil edilir ve merkezi yönetişim örneği olarak Unity Catalog, makine öğrenimi modelinin tüm verilerinin ve bileşenlerinin yönetimini ve kontrolünü destekler. Databricks, gelecekteki Model Sunumu güncellemelerinde sorun gidermeye ve model izlemeye yardımcı olmak için tanılama ve kalite güvencesi yetenekleri eklemeyi planlıyor. Veri bilimcileri daha sonra sunucusuz hizmet aracılığıyla model eğitimi için veri kümeleri oluşturmaya başlayabilmelidir.
Yeni teklif hakkında daha fazla bilgi için duyuru blog gönderisine ve Databricks Model Teslimat Belgelerine bakın.
(harita)
Haberin Sonu