Tutoriales de inteligencia artificial y aprendizaje automático

Pruebe uno de estos tutoriales para empezar. Puede importar estos cuadernos al área de trabajo de Databricks.

Tutorial	Description
ML clásico	Ejemplo completo de entrenamiento de un modelo de ML clásico en Databricks.
scikit-learn	Use una de las bibliotecas de Python más populares para el aprendizaje automático para entrenar modelos de aprendizaje automático.
MLlib	Ejemplos de cómo usar la biblioteca de aprendizaje automático de Apache Spark.
Aprendizaje profundo mediante PyTorch	Ejemplo completo de entrenamiento de un modelo de aprendizaje profundo en Databricks mediante PyTorch.
TensorFlow	TensorFlow es un marco de código abierto que admite cálculos numéricos y de aprendizaje profundo en CPU, GPU y clústeres de GPU.
Implementación de Modelos de IA Mosaic	Implemente y consulte un modelo de ML clásico mediante Mosaic AI Model Serving.
API del modelo fundacional	Las API del modelo foundation proporcionan acceso a modelos de base populares desde puntos de conexión que están disponibles directamente desde el área de trabajo de Databricks.
Inicio rápido del framework de agentes	Use Mosaic AI Agent Framework para construir un agente, agregar una herramienta al agente e implementar el agente en un punto de conexión de servicio del modelo de Databricks.
Seguimiento de una aplicación genAI	Realizar un seguimiento del flujo de ejecución de una aplicación con visibilidad en cada paso.
Evaluar una aplicación de GenAI	Use MLflow 3 para crear, realizar un seguimiento y evaluar una aplicación de GenAI.
Inicio rápido de comentarios humanos	Recopile comentarios del usuario final y use esos comentarios para evaluar la calidad de la aplicación GenAI.
Compilación, evaluación e implementación de un agente de recuperación	Cree un agente de IA que combine la recuperación con herramientas.
Consulta de modelos openAI	Cree un punto de conexión de modelo externo para consultar los modelos de OpenAI.