Samouczki: wprowadzenie do sztucznej inteligencji i uczenia maszynowego
Notesy w tej sekcji zostały zaprojektowane tak, aby szybko rozpocząć pracę ze sztuczną inteligencją i uczeniem maszynowym w usłudze Mosaic AI. Aby je uruchomić, możesz zaimportować każdy notes do obszaru roboczego usługi Azure Databricks.
Te notesy ilustrują sposób korzystania z usługi Azure Databricks w całym cyklu życia sztucznej inteligencji, w tym ładowania i przygotowywania danych; trenowanie, dostrajanie i wnioskowanie modelu; oraz wdrażanie i zarządzanie modelami.
Samouczki dotyczące klasycznego uczenia maszynowego
| Notatnik | Wymagania | Funkcje |
|---|---|---|
| Przykład kompleksowy | Databricks Runtime ML | Katalog Unity, model klasyfikacji, MLflow, automatyczne dostrajanie hiperparametrów za pomocą Hyperopt i MLflow, XGBoost |
| Wdrażanie i zapytania do modelu niestandardowego | Databricks Runtime ML | Katalog Unity, model klasyfikacji, MLflow, automatyczne dostrajanie hiperparametrów za pomocą Hyperopt i MLflow |
| Uczenie maszynowe za pomocą biblioteki scikit-learn | Databricks Runtime ML | Unity Catalog, model klasyfikacji, MLflow, automatyczne dostrajanie hiperparametrów za pomocą Hyperopt i MLflow |
| Uczenie maszynowe za pomocą biblioteki MLlib | Środowisko uruchomieniowe Databricks ML | Model regresji logistycznej, potok Spark, automatyczne dostrajanie hiperparametrów przy użyciu interfejsu API MLlib |
| Uczenie głębokie za pomocą biblioteki TensorFlow Keras | Databricks Runtime ML | Model sieci neuronowej, wbudowana tablica TensorBoard, automatyczne dostrajanie hiperparametrów za pomocą Hyperopt i MLflow, automatyczne logowanie, ModelRegistry |
Samouczki dotyczące sztucznej inteligencji
| Notatnik | Wymagania | Funkcje |
|---|---|---|
| Rozpocznij zadawanie zapytań do LLM | Databricks Runtime ML | Katalog Unity, model klasyfikacji, MLflow, automatyczne dostrajanie hiperparametrów za pomocą Hyperopt i MLflow, XGBoost |
| Wykonywanie zapytań względem punktów końcowych modelu zewnętrznego OpenAI | Databricks Runtime ML | Katalog Unity, model klasyfikacji, MLflow, automatyczne dostrajanie hiperparametrów za pomocą Hyperopt i MLflow |
| Utwórz i wdrażaj uruchomienie dostrajania modelu bazowego | Databricks Runtime ML | Katalog Unity, model klasyfikacji, MLflow, automatyczne dostrajanie hiperparametrów za pomocą Hyperopt i MLflow |
| Generowanie sztucznej inteligencji — szybki start | Databricks Runtime ML | Mosaic AI Agent Framework, ocena agenta, MLflow, dane syntetyczne |