Einführung
Maschinelles Lernen ist die Grundlage für die meisten KI-Lösungen (künstliche Intelligenz) und funktioniert durch das Trainieren von Vorhersagemodellen anhand umfangreicher Datenmengen.
Um ein Vorhersagemodell zu trainieren, legen Sie mithilfe eines Machine Learning-Frameworks eine Beziehung zwischen den Features von Entitäten und den Beschriftungen fest, die Sie dafür vorhersagen möchten. Sie können beispielsweise ein Modell trainieren, um den erwarteten Preis eines Hauses basierend auf Features wie der Grundstücksgröße, der Anzahl der Schlafzimmer oder der Postleitzahl vorherzusagen.
Azure Databricks bietet eine auf Apache Spark basierende Datenverarbeitungsplattform, die mehrere gängige Machine Learning-Frameworks unterstützt, darunter Scikit-Learn, PyTorch und TensorFlow. In diesem Modul wird das Spark MLlib-Framework für maschinelles Lernen zur Demonstration der Beispiele verwendet. Die beschriebenen Prinzipien gelten jedoch für alle Machine Learning-Frameworks.