開始するには、次のいずれかのチュートリアルを試してください。 これらのノートブックは、Databricks ワークスペースにインポートできます。
| チュートリアル | 説明 |
|---|---|
| クラシック ML | Databricks でクラシック ML モデルをトレーニングするエンド ツー エンドの例。 |
| scikit-learn | 機械学習モデルをトレーニングするには、機械学習に最も人気のある Python ライブラリの 1 つを使用します。 |
| MLlib | Apache Spark 機械学習ライブラリを使用する方法の例。 |
| PyTorch を使用したディープ ラーニング | PyTorch を使用して Databricks でディープ ラーニング モデルをトレーニングするエンド ツー エンドの例。 |
| TensorFlow | TensorFlow は、GPU、GPU、および GPU のクラスターでのディープ ラーニングと数値計算をサポートするオープンソース フレームワークです。 |
| モザイク AI モデルの提供 | モザイク AI モデル サービスを使用して、クラシック ML モデルをデプロイしてクエリを実行します。 |
| ファウンデーションモデルAPI | 基盤モデル API は、Databricks ワークスペースから直接使用できるエンドポイントから、一般的な基盤モデルへのアクセスを提供します。 |
| エージェント フレームワークのクイック スタート | Mosaic AI Agent Framework を使用してエージェントを構築し、エージェントにツールを追加し、エンドポイントを提供する Databricks モデルにエージェントをデプロイします。 |
| GenAI アプリをトレースする | すべてのステップを可視化してアプリの実行フローをトレースします。 |
| GenAI アプリを評価する | MLflow 3 を使用して、GenAI アプリを作成、トレース、評価します。 |
| ヒューマン フィードバックのクイック スタート | エンドユーザーのフィードバックを収集し、そのフィードバックを使用して GenAI アプリの品質を評価します。 |
| 取得エージェントのビルド、評価、デプロイ | 取得とツールを組み合わせた AI エージェントを構築します。 |
| OpenAI モデルのクエリ | OpenAI モデルに対してクエリを実行する外部モデル エンドポイントを作成します。 |