Tutorial: Mulai menggunakan AI dan pembelajaran mesin
Buku catatan di bagian ini dirancang untuk membuat Anda memulai dengan cepat dengan AI dan pembelajaran mesin di Mosaic AI. Anda dapat mengimpor setiap buku catatan ke ruang kerja Azure Databricks Anda untuk menjalankannya.
Notebook ini menggambarkan cara menggunakan Azure Databricks sepanjang siklus hidup AI, termasuk pemuatan dan persiapan data; pelatihan model, penyetelan, dan inferensi; dan penyebaran dan manajemen model.
Tutorial ML klasik
| Notebook | Persyaratan | Fitur |
|---|---|---|
| Contoh ujung-ke-ujung | ML Runtime Databricks | Unity Catalog, model klasifikasi, MLflow, penyetelan hyperparameter otomatis dengan Hyperopt dan MLflow, XGBoost |
| Menyebarkan dan mengkueri model kustom | ML Runtime Databricks | Unity Catalog, model klasifikasi, MLflow, penyetelan hyperparameter otomatis dengan Hyperopt dan MLflow |
| Pembelajaran mesin dengan scikit-learn | ML Runtime Databricks | Unity Catalog, model klasifikasi, MLflow, penyetelan hyperparameter otomatis dengan Hyperopt dan MLflow |
| Pembelajaran mesin dengan MLlib | ML Runtime Databricks | Model regresi logistik, alur Spark, penyetelan hiperparameter otomatis menggunakan API MLlib |
| Pembelajaran mendalam dengan TensorFlow Keras | ML Runtime Databricks | Model jaringan saraf, TensorBoard sebaris, penyetelan hiperparameter otomatis dengan Hyperopt dan MLflow, pencatatan otomatis, ModelRegistry |
Tutorial AI
| Notebook | Persyaratan | Fitur |
|---|---|---|
| Mulai mengajukan pertanyaan untuk LLM | ML Runtime Databricks | Unity Catalog, model klasifikasi, MLflow, penyetelan hyperparameter otomatis dengan Hyperopt dan MLflow, XGBoost |
| Titik akhir model eksternal Query OpenAI | ML Runtime Databricks | Unity Catalog, model klasifikasi, MLflow, penyetelan hyperparameter otomatis dengan Hyperopt dan MLflow |
| Membuat dan menyebarkan eksekusi Penyempurnaan Model Foundation | ML Runtime Databricks | Unity Catalog, model klasifikasi, MLflow, penyetelan hyperparameter otomatis dengan Hyperopt dan MLflow |
| demo agen Mosaic AI 10 menit | ML Runtime Databricks | Kerangka Kerja Agen AI Mosaik, Evaluasi Agen, MLflow, data sintetis |
| Demo agen AI Mosaic - bawa data Anda sendiri | ML Runtime Databricks | Kerangka Kerja Agen AI Mosaik, Evaluasi Agen, MLflow, data sintetis, Indeks Pencarian Vektor |
| Tutorial AI Generatif | ML Runtime Databricks | Model jaringan saraf, TensorBoard sebaris, penyetelan hiperparameter otomatis dengan Hyperopt dan MLflow, pencatatan otomatis, ModelRegistry |