Tutoriales: Introducción a la inteligencia artificial y al aprendizaje automático
Los cuadernos de esta sección están diseñados para que empiece a trabajar rápidamente con la inteligencia artificial y el aprendizaje automático en Mosaic AI. Puede importar cada cuaderno al área de trabajo de Azure Databricks para ejecutarlos.
Estos cuadernos muestran cómo usar Azure Databricks a lo largo del ciclo de vida de la IA, lo que incluye la carga y preparación de datos; el entrenamiento, ajuste e inferencia de modelos, y la implementación y administración de modelos.
Tutoriales de ML clásicos
| Notebook | Requisitos | Características |
|---|---|---|
| Ejemplo de un extremo a otro | Databricks Runtime ML | Unity Catalog, modelo de clasificación, MLflow, ajuste automatizado de hiperparámetros con Hyperopt y MLflow, XGBoost |
| Implementación y consulta de un modelo personalizado | Databricks Runtime ML | Unity Catalog, modelo de clasificación, MLflow, ajuste automatizado de hiperparámetros con Hyperopt y MLflow |
| Aprendizaje automático con scikit-learn | Databricks Runtime ML | Unity Catalog, modelo de clasificación, MLflow, ajuste automatizado de hiperparámetros con Hyperopt y MLflow |
| Aprendizaje automático con MLlib | Databricks Runtime ML | Modelo de regresión logística, canalización de Spark, ajuste automático de hiperparámetros mediante MLlib API |
| Aprendizaje profundo con TensorFlow Keras | Databricks Runtime ML | Modelo de red neuronal, TensorBoard en línea, ajuste automático de hiperparámetros con Hyperopt y MLflow, registro automático, ModelRegistry |
Tutoriales de IA
| Notebook | Requisitos | Características |
|---|---|---|
| Comenzar con búsquedas de LLM | Databricks Runtime ML | Unity Catalog, modelo de clasificación, MLflow, ajuste automatizado de hiperparámetros con Hyperopt y MLflow, XGBoost |
| Consultar puntos de conexión del modelo externo de OpenAI | Databricks Runtime ML | Unity Catalog, modelo de clasificación, MLflow, ajuste automatizado de hiperparámetros con Hyperopt y MLflow |
| Crear e implementar una ejecución de entrenamiento del modelo de IA de Mosaic | Databricks Runtime ML | Unity Catalog, modelo de clasificación, MLflow, ajuste automatizado de hiperparámetros con Hyperopt y MLflow |
| Demostración de RAG de 10 minutos | Databricks Runtime ML | Modelo de regresión logística, canalización de Spark, ajuste automático de hiperparámetros mediante MLlib API |
| Guía paso a paso de IA: Tutorial avanzado de RAG | Databricks Runtime ML | Modelo de red neuronal, TensorBoard en línea, ajuste automático de hiperparámetros con Hyperopt y MLflow, registro automático, ModelRegistry |