従来の機械学習

Important

この機能は パブリック プレビュー段階です。

これらのノートブックは、AI ランタイムで従来の機械学習タスクを実行します。 彼らは、従来の機械学習アルゴリズム、表状基礎モデル、XGBoost回帰、TabFMによるゼロショット予測、GluonTSによる確率的予測など、GPU加速の活用方法を示しています。

チュートリアル	説明
XGBoost モデルトレーニング	このノートブックでは、1 つの GPU で XGBoost 回帰モデルをトレーニングする方法を示します。 XGBoost は、大規模なデータセットの GPU アクセラレーションによって大きなメリットを得ることができます。
OptunaでXGBoostハイパーパラメータをチューニングする	このノートブックは、OptunaおよびMLflow実験トラッキングを用いて単一のGPU上でXGBoost分類モデルのハイパーパラメータ最適化を実証しています。
TabFMによるゼロショット表形式データ予測	このノートブックは、GoogleのTabFM表形式基礎モデルを用いたゼロショット分類と回帰分析を示しています。 TabFMはコンテキスト内学習を用いて、ファインチューニングやデータセット固有のトレーニングを行わず、単一のフォワードパスで予測を行います。
GluonTS を使用した時系列予測	このノートブックでは、サーバーレス GPU クラスター上で GluonTS の DeepAR モデルを使用して電力消費量データを確率的に時系列予測するためのエンド ツー エンドのワークフローを示します。 データ インジェスト、リサンプリング、モデル トレーニング、予測、視覚化、評価について説明します。