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	분류 모델, MLflow, Hyperopt 및 MLflow를 사용하여 자동화된 하이퍼 매개 변수 튜닝
엔드 투 엔드 예제	Databricks Runtime ML	분류 모델, MLflow, Hyperopt 및 MLflow를 사용한 자동화된 하이퍼 매개 변수 튜닝, XGBoost, 모델 레지스트리, 모델 서비스 제공

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