教學課程：Get 開始使用 AI 和機器學習
本節中的筆記本是設計來 get 您在馬賽克 AI 上快速開始使用 AI 和機器學習。 您可以將每個筆記本匯入到 Azure Databricks 工作區以加以執行。
這些筆記本說明如何在整個 AI 生命週期中使用 Azure Databricks，包括資料載入和準備；模型訓練、調整和推斷；以及模型部署和管理。
傳統 ML 教學課程
| 筆記本 | 需求 | 特徵 |
|---|---|---|
| 端對端範例 | Databricks Runtime ML | Unity Catalog、分類模型、MLflow、使用 Hyperopt 和 MLflow 進行自動化超參數微調、XGBoost |
| 部署和查詢自訂模型 | Databricks Runtime ML | Unity Catalog、分類模型、MLflow、使用 Hyperopt 和 MLflow 進行自動化超參數微調 |
| 使用 scikit-learn 進行機器學習 | Databricks Runtime ML | Unity Catalog、分類模型、MLflow、使用 Hyperopt 和 MLflow 進行自動化超參數微調 |
| 使用 MLlib 進行機器學習 | Databricks Runtime ML | 羅吉斯迴歸模型、Spark 管線、使用 MLlib API 自動化超參數調整 |
| 使用 TensorFlow Keras 進行深度學習 | Databricks Runtime ML | 神經網路模型、內嵌 TensorBoard、使用 Hyperopt 和 MLflow 自動化參數調整、自動記錄、ModelRegistry |
AI 教學課程
| 筆記本 | 需求 | 特徵 |
|---|---|---|
| Get 開始查詢 LLM | Databricks Runtime ML | Unity Catalog、分類模型、MLflow、使用 Hyperopt 和 MLflow 進行自動化超參數微調、XGBoost |
| 查詢 OpenAI 外部模型端點 | Databricks Runtime ML | Unity Catalog、分類模型、MLflow、使用 Hyperopt 和 MLflow 進行自動化超參數微調 |
| 建立和部署基礎模型微調執行 | Databricks Runtime ML | Unity Catalog、分類模型、MLflow、使用 Hyperopt 和 MLflow 進行自動化超參數微調 |
| 10 分鐘的馬賽克 AI 代理程式示範 | Databricks Runtime ML | 馬賽克 AI 代理程式架構， 代理程式評估， MLflow， 綜合數據 |
| 馬賽克 AI 代理程式示範 - 自備數據 | Databricks Runtime ML | 馬賽克 AI 代理程式架構， 代理程式評估， MLflow， 綜合數據， 向量搜尋索引 |
| Generative AI 教學課程 | Databricks Runtime ML | 神經網路模型、內嵌 TensorBoard、使用 Hyperopt 和 MLflow 自動化參數調整、自動記錄、ModelRegistry |