Aprendizaje automático clásico

Importante

Esta característica se encuentra en su versión beta. Los administradores del área de trabajo pueden controlar el acceso a esta característica desde la página Vistas previas . Consulte Administración de versiones preliminares de Azure Databricks.

En esta página se proporcionan ejemplos de cuadernos para las tareas clásicas de aprendizaje automático mediante el proceso de GPU sin servidor. En estos ejemplos se muestra cómo aprovechar las GPU para los algoritmos tradicionales de APRENDIZAJE automático y la previsión de series temporales.

Entrenamiento del modelo XGBoost

En este cuaderno se muestra cómo entrenar un modelo de regresión XGBoost en una sola GPU. XGBoost puede beneficiarse significativamente de la aceleración de GPU para grandes conjuntos de datos.

XGBoost

Obtener el cuaderno

Optimización distribuida de hiperparámetros XGBoost mediante Ray

En este cuaderno se muestra el entrenamiento distribuido de XGBoost de principio a fin con optimización de hiperparámetros mediante Ray Tune en el servicio de computación sin servidor con GPU de Databricks.

RayTuneXGBoost

Obtener el cuaderno

Previsión de series temporales con GluonTS

En este cuaderno se muestra un flujo de trabajo completo para la previsión probabilística de series temporales de datos de consumo de electricidad con el modelo DeepAR de GluonTS en un clúster de GPU sin servidor. Abarca la ingesta de datos, el remuestreo, el entrenamiento del modelo, la predicción, la visualización y la evaluación.

GluonTS

Obtener el cuaderno