Azure Databricks: Build machine learning solutions

การเตรียมข้อมูลในการทำ Machine learning ด้วย Azure Databricks

• เข้าใจแนวคิดการทำ Machine learning
• การทำ Data cleaning
• การทำ Feature engineering
• การทำ Data scaling
• การทำ Data encoding
• Exercise

เทรน Machine learning model ด้วย Azure Databricks 

• ทำความเข้าใจการใช้งาน Spark ML
• การ Train และ validate model
• การใช้งาน Machine training framework อื่นๆ 
• Exercise

การใช้ MLflow ติดตามการทำงานของ Experiment ใน Azure Databricks

• รู้จักภาพรวมของ MLflow
• การใช้งาน MLflow
• การรัน Experiments
• Exercise

การจัดการ Machine learning model ใน Azure Databricks

• เรียนรู้แนวคิด model management
• การ register model
• การจัดการเวอร์ชั่นของ model
• Exercise

การติดตาม Experiment ของ Azure Databricks ด้วย Azure Machine Learning

• รู้จักกับ Azure Machine Learning 
• การรัน Azure Databricks experiment ด้วย Azure Machine Learning
• การ Log ดูข้อมูลใน Azure Machine Learning ด้วย MLflow
• การรัน pipeline ของ Azure Machine Learning ด้วย Azure Databrick compute
• Exercise

การ Deploy model ของ Azure Databricks ด้วย Azure Machine Learning

• รู้จักกับ Model Deployment 
• การวางแผนจัดการ endpoint ของ Azure Machine Learning deployment
• วิธี deploy model 
• การจัดการปัญหาที่อาจเกิดขึ้นระหว่าง deploy
• Exercise

การทำ Hyperparameter ด้วย Azure Databricks

• ทำความเข้าใจประโยชน์ของการทำ Hyperparameter tuning 
• การใช้ Automated MLflow สำหรับการทำ model tuning 
• การใช้ Hyperopt ในการทำ Hyperparameter tuning
• Exercise

Distributed deep learning ด้วย Horovod และ Azure Databricks

• รู้จักกับ Horovod
• การใช้งาน HorovodRunner สำหรับการทำ ditributed deep learning 
• Exercise