تدريب نماذج الذكاء الاصطناعي وML
يوضح لك هذا القسم كيفية تدريب التعلم الآلي ونماذج الذكاء الاصطناعي على الذكاء الاصطناعي الفسيفساء.
AutoML الفسيفساء
يبسط AutoML الفسيفساء عملية تطبيق التعلم الآلي على مجموعات البيانات الخاصة بك من خلال العثور تلقائيا على أفضل خوارزمية وتكوين المعلمات الفائقة لك. يوفر AutoML واجهة مستخدم منخفضة التعليمات البرمجية بالإضافة إلى واجهة برمجة تطبيقات Python.
تدريب نموذج الفسيفساء الذكاء الاصطناعي
الفسيفساء الذكاء الاصطناعي تدريب النموذج (سابقا Foundation Model Training) على Databricks يتيح لك تخصيص نماذج اللغات الكبيرة (LLMs) باستخدام بياناتك الخاصة. تتضمن هذه العملية ضبط تدريب نموذج أساسي موجود مسبقا، ما يقلل بشكل كبير من البيانات والوقت وموارد الحوسبة المطلوبة مقارنة بتدريب نموذج من البداية. تتضمن الميزات الرئيسية:
- الضبط الدقيق الخاضع للإشراف: تكيف نموذجك مع المهام الجديدة من خلال التدريب على بيانات الاستجابة السريعة المنظمة.
- التدريب المسبق المستمر: تحسين النموذج الخاص بك ببيانات نصية إضافية لإضافة معرفة جديدة أو التركيز على مجال معين.
- إكمال الدردشة: تدريب نموذجك على سجلات الدردشة لتحسين قدرات المحادثة.
أمثلة مكتبة مفتوحة المصدر
راجع أمثلة التدريب على التعلم الآلي من مجموعة متنوعة من مكتبات التعلم الآلي مصدر مفتوح، بما في ذلك أمثلة ضبط المعلمات الفائقة باستخدام Optuna وHyperopt.
التعلم العميق
راجع الأمثلة وأفضل الممارسات للتدريب الموزع على التعلم العميق حتى تتمكن من تطوير نماذج التعلم العميق وضبطها على Azure Databricks.
القائمون على التوصية
تعرف على كيفية تدريب نماذج التوصية المستندة إلى التعلم العميق على Azure Databricks. بالمقارنة مع نماذج التوصية التقليدية، يمكن لنماذج التعلم العميق تحقيق نتائج ذات جودة أعلى وتوسيع نطاقها إلى كميات أكبر من البيانات.