Didacticiels sur l’IA et le Machine Learning

Essayez l’un de ces tutoriels pour commencer. Vous pouvez importer ces notebooks dans votre espace de travail Databricks.

Tutorial	Descriptif
ML classique	Exemple de bout en bout d’entraînement d’un modèle ML classique dans Databricks.
scikit-learn	Utilisez l’une des bibliothèques Python les plus populaires pour le Machine Learning pour entraîner des modèles Machine Learning.
MLlib	Exemples d’utilisation de la bibliothèque Machine Learning Apache Spark.
Apprentissage profond à l’aide de PyTorch	Exemple de bout en bout d’apprentissage d’un modèle d’apprentissage profond dans Databricks à l’aide de PyTorch.
TensorFlow	TensorFlow est une infrastructure open source qui prend en charge l’apprentissage profond et les calculs numériques sur les processeurs, les GPU et les clusters de GPU.
Service de modèle d’IA Mosaic	Déployez et interrogez un modèle ML classique à l’aide de Mosaïque AI Model Serve.
API de modèles de fondation	Les API de modèle Foundation permettent d’accéder aux modèles de base populaires à partir de points de terminaison disponibles directement à partir de l’espace de travail Databricks.
Démarrage rapide de l’infrastructure de l’agent	Utilisez Mosaïque AI Agent Framework pour générer un agent, ajouter un outil à l’agent et déployer l’agent sur un modèle Databricks servant le point de terminaison.
Suivre une application GenAI	Tracez le flux d’exécution d’une application avec une visibilité sur chaque étape.
Évaluer une application GenAI	Utilisez MLflow 3 pour créer, suivre et évaluer une application GenAI.
Démarrage rapide des commentaires humains	Collectez les commentaires des utilisateurs finaux et utilisez ces commentaires pour évaluer la qualité de votre application GenAI.
Générer, évaluer et déployer un agent de récupération	Créez un agent IA qui combine la récupération avec des outils.
Interroger des modèles OpenAI	Créez un point de terminaison de modèle externe pour interroger des modèles OpenAI.