AI & ML development with Databricks
kod szkolenia: DBX-AI&ML / PL DL 1d
Szkolenie obejmuje kluczowe zagadnienia związane z budową i wdrażaniem rozwiązań AI oraz uczenia maszynowego w środowisku Databricks. Uczestnicy poznają praktyczne aspekty przygotowania danych, tworzenia pipeline’ów ML, trenowania i wdrażania modeli oraz monitorowania ich działania. Program oparty jest na najnowszych trendach i narzędziach wykorzystywanych w branży data science i MLOps.
Szkolenie przeznaczone jest dla:
- Data scientistów i inżynierów ML, którzy chcą nauczyć się efektywnego przygotowania danych i budowy modeli w Databricks.
- Inżynierów danych i DataOps odpowiedzialnych za przygotowanie i zarządzanie zestawami danych do uczenia maszynowego.
- Specjalistów MLOps wdrażających i monitorujących modele ML w środowisku chmurowym.
- Zespołów projektujących pipeline’y ML oraz osób przygotowujących się do certyfikacji Databricks Certified Machine Learning Professional.
- Kompleksowa wiedza o pipeline’ach ML – Nauczysz się budować modularne pipeline’y do przygotowania danych i trenowania modeli.
- Praktyczne umiejętności pracy z Databricks – Poznasz narzędzia takie jak PySpark, MLflow, Feature Store i Unity Catalog.
- Integracja i automatyzacja procesów ML – Dowiesz się, jak logować metryki, wersjonować modele i zarządzać cechami w Feature Store.
- Zaawansowane przygotowanie danych – Opanujesz techniki EDA, imputacji, kodowania, standaryzacji i inżynierii cech.
- Wdrażanie i monitorowanie modeli – Nauczysz się wdrażać modele do środowiska produkcyjnego i monitorować ich wydajność.
1.Tworzenie modeli ML
- Wprowadzenie do procesu budowy modeli uczenia maszynowego w środowisku Databricks.
2.Zasady uczenia maszynowego
- Omówienie kluczowych pojęć i zasad uczenia maszynowego, typy algorytmów, dobór modeli.
3.Trenowanie modeli uczenia maszynowego w Databricks
- Praktyczne ćwiczenia z trenowania modeli ML z wykorzystaniem Databricks i PySpark.
4.Cykl życia modeli ML
- Etapy pracy nad modelem: przygotowanie danych, inżynieria cech, trenowanie, walidacja, wdrożenie.
5.Mopnitorowanie i logowanie eksperymentów i modeli przy użyciu MLflow
- Zarządzanie cyklem życia modeli ML z użyciem MLflow: rejestrowanie eksperymentów, wersjonowanie modeli, śledzenie metryk.
6.Ewaluacja wydajności modeli
- Metody oceny jakości modeli: metryki, walidacja krzyżowa, interpretacja wyników.
7.Strojenie hiperparametrów
- Optymalizacja hiperparametrów modeli z wykorzystaniem narzędzi Databricks.
8.Wykorzystanie AutoML w Databricks
- Automatyzacja procesu budowy modeli ML z użyciem AutoML dostępnego w Databricks.
9.Trenowanie modeli deep learning w Databricks
- Wprowadzenie do trenowania modeli głębokiego uczenia (deep learning) w środowisku Databricks.
-
Znajomość podstawowych pojęć i usług związanych z AI oraz ML.
-
Znajomość SQL i/lub Pythona.
-
Doświadczenie w pracy z danymi (np. ukończenie modułu data engineering lub równoważna wiedza).
-
Zalecane ukończenie szkolenia „Fundamentals of Databricks”.
* dostęp do portalu słuchacza Altkom Akademii
Metoda szkolenia:
Wykład (60%)
Warsztaty (30%)
Ćwiczenia (30%)
Główne narzędzia dydaktyczne: Databricks, PySpark, MLflow, Feature Store, Unity Catalog, prezentacje PowerPoint, środowiska laboratoryjne, zasoby Microsoft Learn.
Wykład: polski
Materiały: angielski
Szkolenie nie kończy się egzaminem .Przygotowuje jednak do egzaminu Databricks Certified Machine Learning Professional.
Szkolenie nie kończy się egzaminem .Przygotowuje jednak do egzaminu Databricks Certified Machine Learning Professional.
Opis egzaminu: https://www.databricks.com/learn/certification/machine-learning-professional