Tutorials: Erste Schritte mit ML

Die Notebooks in diesem Abschnitt sollen Ihnen beim schnellen Einstieg in Machine Learning in Azure Databricks helfen. Sie können jedes Notizbuch in Ihren Azure Databricks-Arbeitsbereich importieren, um sie auszuführen.

Diese Notebooks veranschaulichen die Verwendung von Azure Databricks während des gesamten Lebenszyklus des maschinellen Lernens, einschließlich Laden und Vorbereiten von Daten; Modelltraining, Tuning und Inferenz; und Modellbereitstellung und -verwaltung. Sie veranschaulichen hilfreiche Tools wie Hyperopt für die automatisierte Hyperparameteroptimierung, MLflow-Nachverfolgung und automatische Protokollierung für die Modellentwicklung und Modellregistrierung für die Modellverwaltung.

scikit-learn-Notebooks

Notebook	Anforderungen	Features
Machine Learning-Tutorial	Databricks Runtime ML	Klassifizierungsmodell, MLflow, automatisierte Hyperparameteroptimierung mit Hyperopt und MLflow
End-to-End-Beispiel	Databricks Runtime ML	Klassifizierungsmodell, MLflow, automatisierte Hyperparameteroptimierung mit Hyperopt und MLflow, XGBoost, Modellregistrierung, Modellbereitstellung

Apache Spark MLlib-Notebook

Notebook	Anforderungen	Features
Machine Learning mit MLlib	Databricks Runtime ML	Logistisches Regressionsmodell, Spark-Pipeline, automatisierte Hyperparameteroptimierung mithilfe der MLlib-API

Deep Learning-Notebook

Notebook	Anforderungen	Features
Deep Learning mit TensorFlow Keras	Databricks Runtime ML	Modell für neuronale Netze, TensorBoard (inline), automatisierte Hyperparameteroptimierung mit Hyperopt und MLflow, automatische Protokollierung, ModelRegistry