Ce navigateur n’est plus pris en charge.
Effectuez une mise à niveau vers Microsoft Edge pour tirer parti des dernières fonctionnalités, des mises à jour de sécurité et du support technique.
Databricks recommande de déployer des pipelines Machine Learning (ML) en tant que code, plutôt que de déployer des modèles ML individuels. L’approche recommandée pour la migration consiste à mettre à niveau des pipelines ML pour utiliser des modèles dans Unity Catalog.
Dans certains cas, vous pouvez migrer des modèles individuels vers Unity Catalog pour des tests initiaux ou pour des modèles particulièrement critiques. Le notebook montre comment mettre à niveau des modèles existants vers Unity Catalog.
Formation
Module
Gérer le Machine Learning en production avec Azure Databricks - Training
Découvrez comment gérer des modèles Machine Learning en production avec Azure Databricks.
Certification
Microsoft Certified : Azure Data Scientist Associate - Certifications
Gérer l’ingestion et la préparation des données, l’entraînement et le déploiement des modèles, ainsi que la surveillance des solutions d’apprentissage automatique avec Python, Azure Machine Learning et MLflow.