VIP20
本课程属于：088-Databricks Lakehouse数据平台工程 后端、数据与云原生工程 · 共 20 门相关课程，组合学习更完整。
查看所属VIP全部课程 →
← 返回所属目录 咨询 / 购买

Databricks机器学习数据平台工程化建设

共计 30 章节
可可资料掘金营 · 点击在线试看
01
Databricks机器学习平台工程化导论
目标=课程目标 · 平台核心组件 · MLOps工程化挑战与整体建设路线图
Databricks机器学习平台工程…
02
Databricks工作区与计算资源规划
目标=工作区架构 · 集群类型 · 池化策略
Databricks工作区
03
数据接入与统一存储层建设
目标=Delta Lake表设计 · 数据摄取模式 · 批流一体接入与数据质量校验
数据接入统一存储层建设
04
特征工程与特征存储工程化
目标=特征表设计 · 特征计算管道 · 在线离线一致性
特征工程特征存储工程化
05
使用MLflow进行实验追踪与模型管理
目标=实验组织 · 参数指标记录 · 模型注册表
MLflow使用
06
模型训练管道自动化
目标=Databricks Jobs · Workflows · 任务依赖
模型训练管道自动…Databricks
07
超参数调优与分布式训练工程化
目标=Hyperopt · Optuna集成 · 分布式训练策略与资源调度优化
超参数调优分布式训练工程化
08
模型评估与验证体系
目标=离线评估指标 · 交叉验证 · 偏差检测
模型评估验证体系
09
模型部署模式与推理服务
目标=批推理 · 流推理 · 实时在线服务
模型部署模式推理服务
10
使用Databricks Model Serving构建在线推理
目标=端点配置 · 版本管理 · 流量分配
DatabricksModel
11
特征与模型监控体系建设
目标=数据漂移 · 概念漂移 · 模型性能衰减
特征模型监控体系建设
12
CI/CD与基础设施即代码
目标=Databricks Repo… · Git集成 · Terraform
CI/CD基础设施即代码
13
机器学习管道编排与调度
目标=Lakeflow · Delta Live Tables · 工作流编排
机器学习管道编排调度
14
数据与模型版本治理
目标=数据版本 · 模型版本 · 实验版本
数据模型版本治理
15
安全与权限管理
目标=Unity Catalog · 细粒度访问控制 · 数据脱敏
安全权限管理
16
成本优化与性能调优
目标=集群自动伸缩 · Spot实例 · 缓存策略
成本优化性能调优
17
端到端机器学习项目实战
目标=从数据接入 · 特征工程 · 训练
端到端机器学习项…目标=从数据接入
18
实时机器学习管道建设
目标=Structured Stre… · 实时特征计算 · 在线推理与低延迟架构设计
实时机器学习管道…Structured
19
大规模推荐系统平台工程化
目标=特征存储 · 候选生成 · 排序模型
大规模推荐系统平…目标=特征存储
20
自然语言处理平台工程化
目标=文本特征管道 · 预训练模型微调 · 向量数据库集成与推理优化
自然语言处理平台…目标=文本特征管…
21
计算机视觉平台工程化
目标=图像数据管理 · 分布式训练 · 模型压缩与边缘部署考量
计算机视觉平台工…目标=图像数据管…
22
AutoML与低代码机器学习工程化
目标=Databricks Auto… · 自动化特征工程 · 模型选择与生产化路径
AutoML低代码机器学习工…
23
模型可解释性与公平性工程化
目标=SHAP · LIME · 公平性指标
模型可解释性公平性工程化
24
联邦学习与隐私计算在Databricks上的实践
目标=隐私保护技术 · 安全聚合与合规机器学习
Databricks联邦学习
25
多团队协作与平台运营
目标=工作区组织 · 项目模板 · 知识共享
多团队协作平台运营
26
机器学习平台的可观测性建设
目标=日志 · 指标 · 追踪
机器学习平台的可…目标=日志
27
灾难恢复与高可用架构
目标=跨区域复制 · 备份策略 · 故障转移与业务连续性计划
灾难恢复高可用架构
28
机器学习平台与周边生态集成
目标=BI工具 · 数据目录 · 编排工具
机器学习平台周边生态集成
29
平台演进与新技术融合
目标=大语言模型 · 向量搜索 · 生成式AI与Databricks平台…
平台演进新技术融合
30
课程总结与工程化最佳实践
目标=关键决策点 · 常见陷阱 · 成熟度模型与持续改进路线
课程总结工程化最佳实践