자습서: AI 및 머신 러닝 시작하기

이 섹션의 Notebook은 Mosaic AI에서 AI와 기계 학습을 빠르게 시작하는 데 도움이 되도록 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 하이퍼 매개 변수 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 쿼리 시작	Databricks Runtime ML	Unity 카탈로그, 분류 모델, MLflow, Hyperopt 및 MLflow를 사용한 자동화된 하이퍼 매개 변수 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 RAG 데모	Databricks Runtime ML	로지스틱 회귀 모델, Spark 파이프라인, MLlib API를 사용하여 자동화된 하이퍼 매개 변수 조정
생성 AI 자습서	Databricks Runtime ML	신경망 모델, 인라인 TensorBoard, Hyperopt 및 MLflow를 사용한 자동화된 하이퍼 매개 변수 튜닝, 자동 로깅, ModelRegistry