Zelfstudies: Aan de slag met AI en machine learning
De notebooks in deze sectie zijn ontworpen om u snel op weg te helpen met AI en machine learning op Mozaïek AI. U kunt elk notebook importeren in uw Azure Databricks-werkruimte om deze uit te voeren.
Deze notebooks laten zien hoe u Azure Databricks gedurende de AI-levenscyclus gebruikt, inclusief het laden en voorbereiden van gegevens; modeltraining, afstemming en deductie; en modelimplementatie en -beheer.
Klassieke ML-zelfstudies
| Notebook | Vereisten | Functies |
|---|---|---|
| End-to-end-voorbeeld | Databricks Runtime ML | Unity Catalog, classificatiemodel, MLflow, geautomatiseerde afstemming van hyperparameters met Hyperopt en MLflow, XGBoost |
| Een aangepast model implementeren en er query's op uitvoeren | Databricks Runtime ML | Unity Catalog, classificatiemodel, MLflow, geautomatiseerde afstemming van hyperparameters met Hyperopt en MLflow |
| Machine learning met scikit-learn | Databricks Runtime ML | Unity Catalog, classificatiemodel, MLflow, geautomatiseerde afstemming van hyperparameters met Hyperopt en MLflow |
| Machine learning met MLlib | Databricks Runtime ML | Logistiek regressiemodel, Spark-pijplijn, geautomatiseerde afstemming van hyperparameters met behulp van MLlib-API |
| Deep Learning met TensorFlow Keras | Databricks Runtime ML | Neuraal netwerkmodel, inline TensorBoard, geautomatiseerde afstemming van hyperparameters met Hyperopt en MLflow, autologging, ModelRegistry |
AI-zelfstudies
| Notebook | Vereisten | Functies |
|---|---|---|
| Aan de slag met het uitvoeren van query's op LLM's | Databricks Runtime ML | Unity Catalog, classificatiemodel, MLflow, geautomatiseerde afstemming van hyperparameters met Hyperopt en MLflow, XGBoost |
| Eindpunten van extern OpenAI-model opvragen | Databricks Runtime ML | Unity Catalog, classificatiemodel, MLflow, geautomatiseerde afstemming van hyperparameters met Hyperopt en MLflow |
| Een Mozaïek AI-modeltrainingsuitvoering maken en implementeren | Databricks Runtime ML | Unity Catalog, classificatiemodel, MLflow, geautomatiseerde afstemming van hyperparameters met Hyperopt en MLflow |
| RAG-demo van 10 minuten | Databricks Runtime ML | Logistiek regressiemodel, Spark-pijplijn, geautomatiseerde afstemming van hyperparameters met behulp van MLlib-API |
| AI-kookboek: Geavanceerde RAG-zelfstudie | Databricks Runtime ML | Neuraal netwerkmodel, inline TensorBoard, geautomatiseerde afstemming van hyperparameters met Hyperopt en MLflow, autologging, ModelRegistry |