チュートリアル: AI と機械学習の使用を開始する

このセクションのノートブックは、Mosaic AI で AI と機械学習をすぐに開始できるように設計されています。 Azure Databricks ワークスペースに各ノートブックをインポートして実行できます。

これらのノートブックは、AI のライフサイクル全体 (データの読み込みと準備、モデルのトレーニング、調整、および推論、モデル デプロイと管理など) を通して Azure Databricks を使用する方法を示しています。

従来の ML チュートリアル

ノートブック	必要条件	機能
エンド ツー エンドの例	Databricks Runtime ML	Unity カタログ、分類モデル、MLflow、Hyperopt および MLflow、XGBoost を使用したハイパーパラメーターの自動チューニング
カスタム モデルをデプロイしてクエリを実行する	Databricks Runtime ML	Unity カタログ、分類モデル、MLflow、Hyperopt および MLflow を使用したハイパーパラメーターの自動チューニング
scikit-learn を使った機械学習	Databricks Runtime ML	Unity カタログ、分類モデル、MLflow、Hyperopt および MLflow を使用したハイパーパラメーターの自動チューニング
MLlib を使用した機械学習	Databricks Runtime ML	ロジスティック回帰モデル、Spark パイプライン、MLlib API を使用したハイパーパラメーターの自動チューニング
TensorFlow Keras を使用したディープ ラーニング	Databricks Runtime ML	ニューラル ネットワーク モデル、インライン TensorBoard、Hyperopt および MLflow を使用したハイパーパラメーターの自動チューニング、自動ログ記録、モデル レジストリ

AI チュートリアル

ノートブック	必要条件	機能
LLM のクエリを開始する	Databricks Runtime ML	Unity カタログ、分類モデル、MLflow、Hyperopt および MLflow、XGBoost を使用したハイパーパラメーターの自動チューニング
OpenAI 外部モデル エンドポイントにクエリを実行する	Databricks Runtime ML	Unity カタログ、分類モデル、MLflow、Hyperopt および MLflow を使用したハイパーパラメーターの自動チューニング
Foundation Model の微調整実行を作成してデプロイする	Databricks Runtime ML	Unity カタログ、分類モデル、MLflow、Hyperopt および MLflow を使用したハイパーパラメーターの自動チューニング
10 分間の RAG デモ	Databricks Runtime ML	ロジスティック回帰モデル、Spark パイプライン、MLlib API を使用したハイパーパラメーターの自動チューニング
生成 AI チュートリアル	Databricks Runtime ML	ニューラル ネットワーク モデル、インライン TensorBoard、Hyperopt および MLflow を使用したハイパーパラメーターの自動チューニング、自動ログ記録、モデル レジストリ