البرامج التعليمية: بدء استخدام التعلم الآلي
تم تصميم دفاتر الملاحظات في هذه المقالة لتبدأ بسرعة في التعلم الآلي على Azure Databricks. يمكنك استيراد كل دفتر ملاحظات إلى مساحة عمل Azure Databricks لتشغيلها.
توضح دفاتر الملاحظات هذه كيفية استخدام Azure Databricks طوال دورة حياة التعلم الآلي، بما في ذلك تحميل البيانات وإعدادها؛ تدريب النموذج والضبط والاستدلال؛ ونشر النموذج وإدارته. كما أنها توضح أدوات مفيدة مثل Hyperopt لضبط hyperparameter التلقائي وتتبع MLflow والتدوين التلقائي لتطوير النموذج وسجل النموذج لإدارة النموذج.
دفاتر ملاحظات scikit-learn
دفتر الملاحظات | المتطلبات | الميزات |
---|---|---|
البرنامج التعليمي للتعلم الآلي | التعلم الآلي من وقت تشغيل Databricks | كتالوج Unity، نموذج التصنيف، MLflow، ضبط hyperparameter التلقائي مع Hyperopt وMLflow |
مثال شامل | التعلم الآلي من وقت تشغيل Databricks | كتالوج Unity، نموذج التصنيف، MLflow، ضبط hyperparameter التلقائي مع Hyperopt وMLflow، XGBoost |
دفتر ملاحظات Apache Spark MLlib
دفتر الملاحظات | المتطلبات | الميزات |
---|---|---|
التعلم الآلي باستخدام MLlib | التعلم الآلي من وقت تشغيل Databricks | نموذج الانحدار اللوجستي، البنية الأساسية لبرنامج ربط العمليات التجارية Spark، ضبط hyperparameter التلقائي باستخدام واجهة برمجة تطبيقات MLlib |
دفتر ملاحظات التعلم العميق
دفتر الملاحظات | المتطلبات | الميزات |
---|---|---|
التعلم العميق باستخدام TensorFlow Keras | التعلم الآلي من وقت تشغيل Databricks | نموذج الشبكة العصبية، TensorBoard المضمن، ضبط hyperparameter التلقائي مع Hyperopt وMLflow، التسجيل التلقائي، ModelRegistry |
الملاحظات
https://aka.ms/ContentUserFeedback.
قريبًا: خلال عام 2024، سنتخلص تدريجيًا من GitHub Issues بوصفها آلية إرسال ملاحظات للمحتوى ونستبدلها بنظام ملاحظات جديد. لمزيد من المعلومات، راجعإرسال الملاحظات وعرضها المتعلقة بـ