AI en machine learning op Databricks

Bouw, implementeer en beheer AI- en machine learning-toepassingen met Mosaic AI, een geïntegreerd platform dat de volledige AI-levenscyclus van gegevensvoorbereiding tot productiebewaking integreert.

Zie ai- en machine learning-zelfstudies voor een reeks zelfstudies om u op weg te helpen.

Generatieve AI-toepassingen bouwen

Ontwikkel en implementeer generatieve AI-toepassingen van ondernemingsniveau, zoals nauwkeurig afgestemde LLM's, AI-agents en ophaling-geaugmenteerde generatie.

Eigenschap	Beschrijving
AI-speeltuin	Prototype en test generatieve AI-modellen zonder codeprompt engineering en parameterafstemming.
Agent Bricks	Eenvoudige, no-code-benadering voor het bouwen en optimaliseren van domeinspecifieke AI-agentsystemen van hoge kwaliteit voor algemene AI-use cases.
Basismodellen	Serveer state-of-the-art LLMs, waaronder Meta Llama, Antropic Claude en OpenAI GPT via veilige, schaalbare API's.
Mosaic AI Agent Framework	Bouw en implementeer agents van productiekwaliteit, waaronder RAG-toepassingen en systemen met meerdere agents met Python.
MLflow voor GenAI	Meet, verbeter en bewaak de kwaliteit gedurende de levenscyclus van de GenAI-toepassing met behulp van met AI aangedreven metrische gegevens en uitgebreide traceringsobserveerbaarheid.
Vectorzoekopdracht	Insluitvectoren opslaan en er query's op uitvoeren met automatische synchronisatie met uw Knowledge Base voor RAG-toepassingen.
Fijntuning van het Basismodel	Pas basismodellen aan met uw eigen gegevens om de prestaties voor specifieke toepassingen te optimaliseren.

Klassieke machine learning-modellen trainen

Machine learning-modellen maken met geautomatiseerde hulpprogramma's en ontwikkelomgevingen voor samenwerking.

Eigenschap	Beschrijving
AutoML	Bouw automatisch hoogwaardige modellen met minimale code met behulp van geautomatiseerde functie-engineering en hyperparameterafstemming.
Databricks Runtime voor ML	Vooraf geconfigureerde clusters met TensorFlow-, PyTorch-, Keras- en GPU-ondersteuning voor deep learning-ontwikkeling.
MLflow-tracering	Houd experimenten bij, vergelijk de modelprestaties en beheer de volledige levenscyclus van modelontwikkeling.
Functie-engineering	Functies maken, beheren en leveren met geautomatiseerde gegevenspijplijnen en functiedetectie.
Databricks-notebooks	Ontwikkelomgeving voor samenwerking met ondersteuning voor Python-, R-, Scala- en SQL-werkstromen voor ML.

Deep Learning-modellen trainen

Ingebouwde frameworks gebruiken om deep learning-modellen te ontwikkelen.

Eigenschap	Beschrijving
Gedistribueerde training	Voorbeelden van gedistribueerde deep learning met behulp van Ray, TorchDistributor en DeepSpeed.
Best practices voor deep learning op Databricks	Best practices voor deep learning op Databricks.
PyTorch	Training met één knooppunt en gedistribueerde training met behulp van PyTorch.
TensorFlow	Training met één knooppunt en gedistribueerde training met behulp van TensorFlow en TensorBoard.
Referentieoplossingen	Referentieoplossingen voor deep learning.

Modellen implementeren en bedienen

Implementeer modellen in productie met schaalbare eindpunten, realtime deductie en bewaking op bedrijfsniveau.

Eigenschap	Beschrijving
Modeldienstverlening	Implementeer aangepaste modellen en LLM's als schaalbare REST-eindpunten met automatische schaalaanpassing en GPU-ondersteuning.
AI-gateway	Beheer en bewaak de toegang tot generatieve AI-modellen met gebruikstracering, payloadlogging en beveiligingscontroles.
Externe modellen	Integreer modellen van derden die buiten Databricks worden gehost met geïntegreerde governance en bewaking.
Foundation model API's	Toegang krijgen tot en query's uitvoeren op state-of-the-art open modellen die worden gehost door Databricks.

ML-systemen bewaken en beheren

Zorg voor modelkwaliteit, gegevensintegriteit en naleving van uitgebreide bewakings- en governancehulpprogramma's.

Eigenschap	Beschrijving
Unity-catalogus	Beheer gegevens, functies, modellen en functies met geïntegreerd toegangsbeheer, herkomsttracering en detectie.
Lakehouse Monitoring	Bewaak de gegevenskwaliteit, modelprestaties en voorspellingsdrift met geautomatiseerde waarschuwingen en analyse van hoofdoorzaak.
MLflow voor modellen	Volg, evalueer en bewaak generatieve AI-toepassingen gedurende de ontwikkelingslevenscyclus.

ML-werkstromen produceren

Machine learning-bewerkingen schalen met geautomatiseerde werkstromen, CI/CD-integratie en pijplijnen die gereed zijn voor productie.

Opdracht	Beschrijving
Modelregister	Modelversies, goedkeuringen en implementaties beheren met gecentraliseerd levenscyclusbeheer voor modellen.
Lakeflow-functies	Bouw geautomatiseerde werkstromen en ETL-pijplijnen die gereed zijn voor productie voor ML-gegevensverwerking.
Ray op Databricks	ML-werklasten schalen met gedistribueerde computing voor grootschalige modeltraining en inference.
MLOps-werkstromen	Implementeer end-to-end MLOps met geautomatiseerde trainings-, test- en implementatiepijplijnen.
Git-integratie	Versiebeheer ML-code en notebooks met naadloze Git-integratie en samenwerkingsontwikkeling.