Melatih model AI dan ML

Bagian ini menunjukkan kepada Anda cara melatih pembelajaran mesin dan model AI di Mosaic AI.

Mosaic AutoML

Mosaic AutoML menyederhanakan proses penerapan pembelajaran mesin ke himpunan data Anda dengan secara otomatis menemukan algoritma terbaik dan konfigurasi hyperparameter untuk Anda. AutoML menawarkan UI kode rendah serta API Python.

Pelatihan Model AI Mosaik

Pelatihan Model AI Mosaik (sebelumnya Pelatihan Model Foundation) pada Databricks memungkinkan Anda menyesuaikan model bahasa besar (LLM) menggunakan data Anda sendiri. Proses ini melibatkan penyempurnaan pelatihan model fondasi yang sudah ada sebelumnya, secara signifikan mengurangi data, waktu, dan sumber daya komputasi yang diperlukan dibandingkan dengan melatih model dari awal. Fitur-fitur kunci mencakup:

• Penyempurnaan yang diawasi: Sesuaikan model Anda dengan tugas baru dengan melatih data respons perintah terstruktur.
• Pra-pelatihan lanjutan: Tingkatkan model Anda dengan data teks tambahan untuk menambahkan pengetahuan baru atau fokus pada domain tertentu.
• Penyelesaian obrolan: Latih model Anda pada log obrolan untuk meningkatkan kemampuan percakapan.

Contoh pustaka sumber terbuka

Lihat contoh pelatihan pembelajaran mesin dari berbagai pustaka pembelajaran mesin sumber terbuka, termasuk contoh penyetelan hyperparameter menggunakan Optuna dan Hyperopt.

Pembelajaran mendalam

Lihat contoh dan praktik terbaik untuk pelatihan pembelajaran mendalam terdistribusi sehingga Anda dapat mengembangkan dan menyempurnakan model pembelajaran mendalam di Azure Databricks.

Pemberi Rekomendasi

Pelajari cara melatih model rekomendasi berbasis pembelajaran mendalam di Azure Databricks. Dibandingkan dengan model rekomendasi tradisional, model pembelajaran mendalam dapat mencapai hasil kualitas yang lebih tinggi dan menskalakan ke jumlah data yang lebih besar.