VIP20
本课程属于：089-Databricks AI与机器学习平台工程 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 AI平台可观测性与质量治理

共计 30 章节
可可资料掘金营 · 点击在线试看
01
课程导入与全景认知
目标=Databricks AI平台… · 边界 · 核心挑战与整体学习地图
课程导入全景认知
02
Databricks AI平台架构速览
目标=Lakehouse · Unity Catalog · MLflow
DatabricksAI
03
可观测性三大支柱在AI系统中的映射
目标=日志 · 指标 · 追踪如何适配模型训练
AI可观测性三大支柱
04
质量治理框架设计
目标=为Databricks AI资… · SLI/SLO · 责任矩阵与治理流程
质量治理框架设计Databricks
05
Unity Catalog作为治理底座
目标=元数据 · 血缘 · 权限
UnityCatalog
06
数据质量监控实战
目标=在Databricks中实现数… · 完整性 · 分布漂移与异常检测的监控任务
数据质量监控实战Databricks
07
特征质量与特征漂移治理
目标=基于Feature Store… · 训练/服务偏差检测与告警策略
特征质量特征漂移治理
08
模型训练过程可观测性
目标=MLflow Tracking… · 指标 · 工件与系统资源
模型训练过程可观…MLflow
09
模型评估与质量门禁
目标=在MLflow中定义评估指标 · 基线对比 · 自动质量门禁与审批工作流
模型评估质量门禁
10
模型注册与版本治理
目标=Unity Catalog模型… · 版本别名 · 阶段转换
模型注册版本治理
11
模型服务可观测性
目标=Model Serving端点… · 延迟 · 吞吐
模型服务可观测性Model
12
推理数据漂移与性能衰减监控
目标=生产环境输入分布 · 预测分布与模型性能的持续监控方案
推理数据漂移性能衰减监控
13
LLM与RAG应用可观测性
目标=Token使用 · 延迟 · 检索质量
LLMRAG
14
AI代理与工作流可观测性
目标=多步骤Agent · 工具调用 · Workflows任务链的追踪
AI代理
15
告警与事件响应
目标=基于Databricks告警 · Webhook · PagerDuty等构建AI质量事件…
告警事件响应
16
质量治理仪表板设计
目标=使用Databricks SQ… · AI/BI Dashboard构建面… · 模型
质量治理仪表板设…Databricks
17
根因分析与调试实战
目标=结合MLflow · Spark UI · 日志与血缘定位训练失败
根因分析调试实战
18
成本与资源可观测性
目标=监控训练/推理的DBU消耗 · 集群利用率 · 成本归因与优化治理
成本资源可观测性
19
安全与合规可观测性
目标=审计日志 · 访问控制 · PII检测
安全合规可观测性
20
自动化质量测试
目标=为数据管道 · 特征 · 模型与服务编写单元测试
自动化质量测试目标=为数据管道
21
CI/CD与质量治理集成
目标=在Databricks Ass… · Git集成中嵌入质量检查与可观测性配…
CI/CD质量治理集成
22
生产环境A/B测试与影子部署
目标=可观测性指标驱动的模型发布 · 对比与渐进式交付
A/B生产环境
23
反馈闭环与持续改进
目标=收集用户反馈 · 人工审核 · 自动再训练触发与质量治理迭代
反馈闭环持续改进
24
多团队协作治理
目标=在Unity Catalog中… · SLA与责任边界
多团队协作治理Unity
25
可观测性数据存储与查询优化
目标=Delta Lake表设计 · 指标聚合 · 长期存储与高效查询模式
可观测性数据存储查询优化
26
异常检测与智能告警
目标=统计方法 · 阈值调优与机器学习驱动的异常检测在A…
异常检测智能告警
27
治理策略即代码
目标=使用Databricks AP… · Terraform或声明式配置管理质…
治理策略即代码Databricks
28
端到端实战
目标=为推荐系统构建从数据到模型服务…
端到端实战目标=为推荐系统…
29
端到端实战
目标=为LLM问答应用构建RAG质量… · 追踪与治理闭环
端到端实战LLM
30
课程总结与演进路线
目标=回顾核心能力 · 成熟度模型 · 常见陷阱与持续治理的下一步行动
课程总结演进路线