Udostępnij za pośrednictwem


Samouczki: wprowadzenie do sztucznej inteligencji i uczenia maszynowego

Notesy w tej sekcji zostały zaprojektowane tak, aby szybko rozpocząć pracę ze sztuczną inteligencją i uczeniem maszynowym w usłudze Mosaic AI. Aby je uruchomić, możesz zaimportować każdy notes do obszaru roboczego usługi Azure Databricks.

Te notesy ilustrują sposób korzystania z usługi Azure Databricks w całym cyklu życia sztucznej inteligencji, w tym ładowania i przygotowywania danych; trenowanie, dostrajanie i wnioskowanie modelu; oraz wdrażanie i zarządzanie modelami.

Samouczki dotyczące klasycznego uczenia maszynowego

Notes Wymagania Funkcje
Przykład kompleksowego Databricks Runtime ML Katalog aparatu Unity, model klasyfikacji, MLflow, automatyczne dostrajanie hiperparametrów za pomocą biblioteki Hyperopt i MLflow, XGBoost
Wdrażanie i wykonywanie zapytań względem modelu niestandardowego Databricks Runtime ML Katalog aparatu Unity, model klasyfikacji, MLflow, automatyczne dostrajanie hiperparametrów za pomocą funkcji Hyperopt i MLflow
Uczenie maszynowe za pomocą biblioteki scikit-learn Databricks Runtime ML Katalog aparatu Unity, model klasyfikacji, MLflow, automatyczne dostrajanie hiperparametrów za pomocą funkcji Hyperopt i MLflow
Uczenie maszynowe za pomocą biblioteki MLlib Databricks Runtime ML Model regresji logistycznej, potok Spark, automatyczne dostrajanie hiperparametrów przy użyciu interfejsu API MLlib
Uczenie głębokie za pomocą biblioteki TensorFlow Keras Databricks Runtime ML Model sieci neuronowej, wbudowany tablica TensorBoard, automatyczne dostrajanie hiperparametrów za pomocą funkcji Hyperopt i MLflow, automatyczne rejestrowanie, ModelRegistry

Samouczki dotyczące sztucznej inteligencji

Notes Wymagania Funkcje
Wprowadzenie do wykonywania zapytań w usłudze LLMs Databricks Runtime ML Katalog aparatu Unity, model klasyfikacji, MLflow, automatyczne dostrajanie hiperparametrów za pomocą biblioteki Hyperopt i MLflow, XGBoost
Wykonywanie zapytań względem punktów końcowych modelu zewnętrznego OpenAI Databricks Runtime ML Katalog aparatu Unity, model klasyfikacji, MLflow, automatyczne dostrajanie hiperparametrów za pomocą funkcji Hyperopt i MLflow
Tworzenie i wdrażanie przebiegu dostrajania modelu podstawowego Databricks Runtime ML Katalog aparatu Unity, model klasyfikacji, MLflow, automatyczne dostrajanie hiperparametrów za pomocą funkcji Hyperopt i MLflow
10-minutowy pokaz agenta mozaiki sztucznej inteligencji Databricks Runtime ML Mozaika struktura agenta sztucznej inteligencji, ocena agenta, MLflow, dane syntetyczne
Pokaz demo agenta Mosaic AI — zaprezentuj własne dane Databricks Runtime ML Mozaika struktura agenta sztucznej inteligencji, ocena agenta, MLflow, dane syntetyczne, indeks wyszukiwania wektorów
Samouczek dotyczący generowania sztucznej inteligencji Databricks Runtime ML Model sieci neuronowej, wbudowany tablica TensorBoard, automatyczne dostrajanie hiperparametrów za pomocą funkcji Hyperopt i MLflow, automatyczne rejestrowanie, ModelRegistry