Machine Learning Associate · MLOps, środowiska ML i AutoML
Databricks Runtime for Machine Learning
Najważniejsze
- Runtime zbudowany na bazie standardowego Databricks Runtime, z preinstalowanymi popularnymi bibliotekami ML i deep learning (np. MLflow, scikit-learn, XGBoost, LightGBM, Hyperopt, PyTorch, TensorFlow).
- Wersje są dobrane tak, aby współpracowały, a klastry GPU zawierają biblioteki CUDA.
- Wybierasz go, zaznaczając Machine learning podczas tworzenia compute.
Źródło: https://docs.databricks.com/aws/en/machine-learning/databricks-runtime-ml
Przykładowe pytania
Jaka jest główna zaleta Databricks Runtime ML w porównaniu ze standardowym Databricks Runtime?
- Popularne biblioteki ML są preinstalowane w zgodnych wersjach
- Działa bez żadnego klastra
- Zastępuje Apache Spark innym silnikiem
- Trenuje modele bez kosztów obliczeniowych
Pokaż odpowiedź
Odpowiedź: A. Popularne biblioteki ML są preinstalowane w zgodnych wersjach
Runtime ML dodaje do standardowego runtime preinstalowane, kompatybilne wersjami biblioteki ML i deep learning. Nie zastępuje Spark, nie eliminuje klastrów i nie sprawia, że trening jest darmowy.
Które biblioteki są preinstalowane w wydaniu Databricks Runtime ML (np. 16.4 LTS ML)?
- MLflow
- Hyperopt
- XGBoost
- Harmonogram zadań Kubernetes
- Hostowany serwer Weights & Biases
Pokaż odpowiedź
Odpowiedź: A. MLflow, B. Hyperopt, C. XGBoost
MLflow, Hyperopt i XGBoost wchodzą w skład runtime ML. Panele Weights & Biases ani harmonogram Kubernetes nie są jego częścią.
Prawda czy fałsz: Databricks Runtime ML to zupełnie osobny produkt, który nie zawiera komponentów standardowego Databricks Runtime.
Pokaż odpowiedź
Odpowiedź: Fałsz
Fałsz. Runtime ML jest zbudowany na bazie standardowego Databricks Runtime i dodaje do niego biblioteki ML.
Przećwicz 8 pytań z tego tematu w Bitzu
Krótkie lekcje, natychmiastowe wyjaśnienia i powtórki tego, w czym się mylisz. Za darmo na iOS i Androida.
