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 AIDataOps持续交付与发布

共计 30 章节

可可资料掘金营 · 点击在线试看

课程导入与全景认知

目标=AIDataOps持续交付与发… · Databricks平台中的关键组件… · Repos

课程导入全景认知

Databricks工作区与开发环境标准化

目标=Workspace布局 · Repos与Git集成 · 集群策略

Databricks工作区

数据与AI资产的版本控制

目标=使用Git管理Notebook · Delta表 · MLflow模型

Databricks Asset Bundles核心机制

目标=bundle.yml结构 · 资源声明（jobs · pipelines

DatabricksAsset

使用Databricks Asset Bundles打包端到端AI流水线

目标=将数据摄取 · 特征工程 · 模型训练

DatabricksAsset

CI流水线设计

目标=在GitHub Actions… · 运行单元测试 · 执行bundle validate与…

CI流水线设计

单元测试与数据质量门禁

目标=使用pytest · chispa · Great Expectations…

单元测试数据质量门禁

集成测试与端到端验证

目标=在临时Databricks集群… · 验证数据血缘 · 模型训练与推理输出的一致性

集成测试端到端验证

MLflow实验跟踪与模型注册

目标=在CI中自动记录参数 · 指标与工件 · 将候选模型注册到MLflow Mod…

MLflow实验跟踪

模型评估与发布门禁

目标=定义离线评估指标阈值 · 偏差检测 · 可解释性检查

模型评估发布门禁

Databricks Jobs与工作流编排

目标=使用Jobs API · 任务依赖 · 重试策略

Delta Live Tables持续交付

目标=通过DLT管道声明数据质量期望 · 流式与增量处理 · 并将管道配置纳入bundle实现环境…

特征表与在线特征服务发布

目标=使用Feature Store… · 管理特征版本 · 同步到在线存储

特征表线特征服务发布

模型服务与推理端点发布

目标=使用Model Serving… · 配置自动扩缩容 · 版本升级与A/B测试路由

模型服务推理端点发布

环境管理与配置分离

目标=开发 · 测试 · 生产环境的参数化配置

环境管理配置分离

基础设施即代码与权限自动化

目标=使用Terraform或Dat… · 作业 · 模型服务与访问控制

基础设施即代码权限自动化

发布策略与渐进式交付

目标=蓝绿部署 · 金丝雀发布 · 影子流量在Databricks模型服…

发布策略渐进式交付

监控、可观测性与反馈闭环

目标=使用Lakehouse Mon… · 系统表 · 告警与日志

监控可观测性

事件驱动与实时AI流水线发布

目标=结合Structured St… · Kafka与Delta Live T… · 持续交付低延迟推理与在线更新管道

安全与合规发布

目标=Unity Catalog权限 · 行级与列级安全 · 模型签名

安全合规发布

成本治理与发布优化

目标=集群自动伸缩 · 作业计算选择 · 模型服务规模调优

成本治理发布优化

多团队协作与发布协调

目标=Monorepo与多Repo策… · 代码所有权 · 发布列车

多团队协作发布协调

故障排查与回滚实战

目标=模拟bundle部署失败 · 模型服务异常 · 数据质量下降

故障排查回滚实战

端到端项目

目标=构建可复现的AI训练与发布流水… · 使用bundle与CI实现一键部署到…

端到端项目AI

端到端项目

目标=生产发布与渐进式交付 · 配置监控与自动回滚

端到端项目目标=生产发布

端到端项目

目标=持续监控与再训练触发 · 并完成新版本发布

端到端项目目标=持续监控

Databricks CLI与API自动化进阶

目标=使用CLI · REST API · SDK编写自定义发布脚本

MLOps与AIDataOps集成模式

目标=对比MLflow · Azure ML · SageMaker等工具

性能与可靠性工程

目标=优化bundle部署速度 · 作业启动时间 · 模型服务延迟

性能可靠性工程

课程总结与持续交付成熟度

目标=回顾关键实践 · 评估组织成熟度 · 制定演进路线图

课程总结持续交付成熟度