Tutoriais: Introdução à IA e ao aprendizado de máquina
Os blocos de anotações nesta seção são projetados para você começar rapidamente com IA e aprendizado de máquina no Mosaic AI. Você pode importar cada bloco de anotações para seu espaço de trabalho do Azure Databricks para executá-los.
Esses blocos de anotações ilustram como usar o Azure Databricks durante todo o ciclo de vida da IA, incluindo carregamento e preparação de dados; treinamento de modelos, ajuste e inferência; e implantação e gerenciamento de modelos.
Tutoriais clássicos de ML
| Bloco de Notas | Requisitos | Funcionalidades |
|---|---|---|
| Exemplo de ponta a ponta | ML de tempo de execução do Databricks | Unity Catalog, modelo de classificação, MLflow, ajuste automatizado de hiperparâmetros com Hyperopt e MLflow, XGBoost |
| Implantar e consultar um modelo personalizado | ML de tempo de execução do Databricks | Unity Catalog, modelo de classificação, MLflow, ajuste automatizado de hiperparâmetros com Hyperopt e MLflow |
| Aprendizagem automática com scikit-learn | ML de tempo de execução do Databricks | Unity Catalog, modelo de classificação, MLflow, ajuste automatizado de hiperparâmetros com Hyperopt e MLflow |
| Aprendizado de máquina com MLlib | ML de tempo de execução do Databricks | Modelo de regressão logística, pipeline Spark, ajuste automatizado de hiperparâmetros usando MLlib API |
| Aprendizagem profunda com o TensorFlow Keras | ML de tempo de execução do Databricks | Modelo de rede neural, TensorBoard inline, ajuste automatizado de hiperparâmetros com Hyperopt e MLflow, autologging, ModelRegistry |
Tutoriais de IA
| Bloco de Notas | Requisitos | Funcionalidades |
|---|---|---|
| Comece a consultar LLMs | ML de tempo de execução do Databricks | Unity Catalog, modelo de classificação, MLflow, ajuste automatizado de hiperparâmetros com Hyperopt e MLflow, XGBoost |
| Consultar pontos de extremidade de modelo externo OpenAI | ML de tempo de execução do Databricks | Unity Catalog, modelo de classificação, MLflow, ajuste automatizado de hiperparâmetros com Hyperopt e MLflow |
| Criar e implantar uma execução de ajuste fino do Modelo de Base | ML de tempo de execução do Databricks | Unity Catalog, modelo de classificação, MLflow, ajuste automatizado de hiperparâmetros com Hyperopt e MLflow |
| demonstração de 10 minutos do agente Mosaic AI | ML de tempo de execução do Databricks | Mosaic AI Agent Framework, Avaliação de agentes, MLflow, dados sintéticos |
| demonstração do agente Mosaic AI - traga seus próprios dados | ML de tempo de execução do Databricks | Mosaic AI Agent Framework, Avaliação de agentes, MLflow, dados sintéticos, Vetor Search Index |
| Tutorial de IA generativa | ML de tempo de execução do Databricks | Modelo de rede neural, TensorBoard inline, ajuste automatizado de hiperparâmetros com Hyperopt e MLflow, autologging, ModelRegistry |