Yapay zeka ve ML modellerini eğitin

Bu bölümde, Mozaik AI üzerinde makine öğrenmesi ve yapay zeka modellerini eğitmeyi öğreneceksiniz.

Mozaik AI Modeli Eğitimi, AutoML ve Foundation Model İnce Ayar iş yükleri aracılığıyla geleneksel ML modellerini eğitme ve dağıtma sürecini kolaylaştırır ve bir hale getirir.

AutoML

AutoML , sizin için en iyi algoritmayı ve hiper parametre yapılandırmasını otomatik olarak bularak veri kümelerinize makine öğrenmesi uygulama sürecini basitleştirir. AutoML, kod içermeyen bir kullanıcı arabiriminin yanı sıra Python API'si de sunar.

Temel Modelde İnce Ayarlama

Databricks'te Temel Model İnce Ayarı (artık Mozaik AI Modeli Eğitimi'nin bir parçası), büyük dil modellerini (LLM) kendi verilerinizi kullanarak özelleştirmenize olanak tanır. Bu işlem, bir modeli sıfırdan eğitmeye kıyasla gerekli verileri, süreyi ve işlem kaynaklarını önemli ölçüde azaltarak önceden var olan bir temel modelin eğitiminde ince ayarlamayı içerir. Önemli özellikler şunlardır:

• Denetimli ince ayar: Yapılandırılmış istem yanıtı verileri üzerinde eğitim vererek modelinizi yeni görevlere uyarlar.
• Devam eden ön eğitim: Yeni bilgi eklemek veya belirli bir etki alanına odaklanmak için modelinizi ek metin verileriyle geliştirin.
• Sohbet tamamlama: Konuşma becerilerini geliştirmek için modelinizi sohbet günlüklerinde eğitin.

Açık kaynak kitaplık örnekleri

Optuna ve Hyperopt kullanarak hiper parametre ayarlama örnekleri de dahil olmak üzere çok çeşitli açık kaynak makine öğrenmesi kitaplıklarından makine öğrenmesi eğitim örneklerine bakın.

Derin öğrenme

Azure Databricks'te derin öğrenme modelleri geliştirip ince ayar yapmak için dağıtılmış derin öğrenme eğitimine yönelik örneklere ve en iyi yöntemlere bakın.

Önerenler

Azure Databricks'te derin öğrenme tabanlı öneri modellerini eğitmeyi öğrenin. Derin öğrenme modelleri, geleneksel öneri modelleriyle karşılaştırıldığında daha yüksek kaliteli sonuçlar elde edebilir ve daha büyük miktarda veriye ölçeklendirilebilir.