Úvod
Strojové učení je základem pro většinu řešení umělé inteligence a funguje s využitím velkých objemů dat k trénování prediktivních modelů.
K trénování prediktivního modelu použijete architekturu strojového učení k určení vztahu mezi funkcemi entit a popisky , které pro ně chcete předpovědět. Můžete například vytrénovat model tak, aby předpověděl očekávanou cenu domu na základě funkcí, jako je velikost nemovitosti, počet ložnic, PSČ atd.
Azure Databricks poskytuje platformu pro zpracování dat založenou na Apache Sparku, která podporuje více oblíbených architektur strojového učení; včetně Scikit-Learn, PyTorch, TensorFlow a dalších. Tento modul používá architekturu strojového učení Spark MLlib k zobrazení příkladů, ale principy, které popisuje, platí pro všechny architektury strojového učení.