자습서: ML 시작
이 문서의 Notebook은 Azure Databricks에서 기계 학습을 빠르게 시작할 수 있도록 설계되었습니다. Azure Databricks 작업 영역으로 각 Notebook을 가져와서 실행할 수 있습니다.
이러한 Notebooks는 데이터 로드 및 준비, 모델 학습, 튜닝, 유추, 모델 배포 및 관리를 포함하여 전체 기계 학습 수명 주기 동안 Azure Databricks를 사용하는 방법을 보여줍니다. 또한 자동화된 하이퍼 매개 변수 조정을 위한 Hyperopt, 모델 개발을 위한 MLflow 추적 및 자동 로깅, 모델 관리를 위한 모델 레지스트리와 같은 유용한 도구를 보여줍니다.
scikit-learn Notebook
Notebook | 요구 사항 | 기능 |
---|---|---|
기계 학습 자습서 | Databricks Runtime ML | Unity 카탈로그, 분류 모델, MLflow, Hyperopt 및 MLflow를 사용한 자동화된 하이퍼 매개 변수 튜닝 |
엔드 투 엔드 예제 | Databricks Runtime ML | Unity 카탈로그, 분류 모델, MLflow, Hyperopt 및 MLflow를 사용한 자동화된 하이퍼 매개 변수 튜닝, XGBoost |
Apache Spark MLlib Notebook
Notebook | 요구 사항 | 기능 |
---|---|---|
MLlib를 사용하여 기계 학습 | Databricks Runtime ML | 로지스틱 회귀 모델, Spark 파이프라인, MLlib API를 사용하여 자동화된 하이퍼 매개 변수 조정 |
딥 러닝 전자 필기장
Notebook | 요구 사항 | 기능 |
---|---|---|
TensorFlow Keras를 사용한 딥 러닝 | Databricks Runtime ML | 신경망 모델, 인라인 TensorBoard, Hyperopt 및 MLflow를 사용한 자동화된 하이퍼 매개 변수 튜닝, 자동 로깅, ModelRegistry |
피드백
https://aka.ms/ContentUserFeedback
출시 예정: 2024년 내내 콘텐츠에 대한 피드백 메커니즘으로 GitHub 문제를 단계적으로 폐지하고 이를 새로운 피드백 시스템으로 바꿀 예정입니다. 자세한 내용은 다음을 참조하세요.다음에 대한 사용자 의견 제출 및 보기