ML et IA générative dans le lac de données (French Edition)

Chapitre 3. Introduction au ML sur Databricks

Cet ouvrage a été traduit à l'aide de l'IA. Tes réactions et tes commentaires sont les bienvenus : [e-mail]

Dans ce chapitre, tu découvriras les composants essentiels des workflows de ML adaptés à la plateforme Databricks. Tu seras guidé à travers un processus de bout en bout, en commençant par l'analyse exploratoire des données (EDA) pour comprendre ton ensemble de données, puis par l'ingénierie des caractéristiques afin de transformer les données brutes en une matrice de caractéristiques permettant de construire des modèles de ML robustes.

Ensuite, tu te concentreras sur le développement de modèles, y compris leur création et leur apprentissage. Après l'apprentissage, tu découvriras le déploiement et la mise en service des modèles, en configurant l'infrastructure nécessaire à l'inférence en temps réel afin de fournir des informations exploitables à grande échelle.

Nous aborderons ensuite MLflow, une plateforme open source qui rationalise le cycle de vie du ML, de l’expérimentation au déploiement. Tout au long de ce livre, tu verras comment MLflow simplifie le workflow ML au sein de Databricks, te permettant ainsi de créer, suivre et mettre en service efficacement des modèles ML.

À la fin de ce chapitre, tu auras une compréhension complète de l’ensemble du cycle de vie du ML dans un environnement Databricks Lakehouse, de la préparation des données à la mise en service de modèles prêts pour la production.