자습서: AI 및 기계 학습 시작

이 섹션의 노트북은 Mosaic AI에서 AI와 기계 학습을 신속하게 시작할 수 있도록 설계되었습니다. Azure Databricks 작업 영역으로 각 Notebook을 가져와서 실행할 수 있습니다.

이러한 Notebooks는 데이터 로드 및 준비, 모델 학습, 튜닝, 유추, 모델 배포 및 관리를 포함하여 전체 AI 수명 주기 동안 Azure Databricks를 사용하는 방법을 보여줍니다.

클래식 ML 자습서

Notebook	요구 사항	기능
엔드투엔드 예제	Databricks Runtime ML	Unity 카탈로그, 분류 모델, MLflow, Hyperopt 및 MLflow를 사용한 자동화된 하이퍼파라미터 튜닝, XGBoost
사용자 지정 모델 배포 및 쿼리	Databricks Runtime ML	Unity 카탈로그, 분류 모델, MLflow, Hyperopt 및 MLflow를 사용한 자동화된 하이퍼파라미터 튜닝
scikit-learn을 사용한 기계 학습	Databricks Runtime ML	Unity 카탈로그, 분류 모델, MLflow, Hyperopt 및 MLflow를 사용한 자동화된 하이퍼파라미터 튜닝
MLlib를 사용하여 기계 학습	Databricks Runtime ML	로지스틱 회귀 모델, Spark 파이프라인, MLlib API를 사용하여 자동화된 하이퍼 매개 변수 조정
TensorFlow Keras를 사용한 딥 러닝	Databricks Runtime ML	신경망 모델, 인라인 TensorBoard, Hyperopt 및 MLflow를 사용한 자동화된 하이퍼 매개 변수 튜닝, 자동 로깅, ModelRegistry

AI 자습서

Notebook	요구 사항	기능
LLM 쿼리를 시작하기	Databricks Runtime ML	Unity 카탈로그, 분류 모델, MLflow, Hyperopt 및 MLflow를 사용한 자동화된 하이퍼파라미터 튜닝, XGBoost
OpenAI 외부 모델 엔드포인트 쿼리	Databricks Runtime ML	Unity 카탈로그, 분류 모델, MLflow, Hyperopt 및 MLflow를 사용한 자동화된 하이퍼파라미터 튜닝
Foundation Model 미세 조정 실행 만들기 및 배포	Databricks Runtime ML	Unity 카탈로그, 분류 모델, MLflow, Hyperopt 및 MLflow를 사용한 자동화된 하이퍼파라미터 튜닝
10분 Mosaic AI 에이전트 데모	Databricks Runtime ML	Mosaic AI 에이전트 프레임워크, 에이전트 평가, MLflow, 합성 데이터
Mosaic AI 에이전트 데모 - 사용자 고유의 데이터 활용	Databricks Runtime ML	Mosaic AI 에이전트 프레임워크, 에이전트 평가, MLflow, 합성 데이터, 벡터 검색 인덱스
생성 AI 자습서	Databricks Runtime ML	신경망 모델, 인라인 TensorBoard, Hyperopt 및 MLflow를 사용한 자동화된 하이퍼 매개 변수 튜닝, 자동 로깅, ModelRegistry