Учебники. Начало работы с ИИ и машинным обучением
Записные книжки в этом разделе предназначены для быстрого начала работы с искусственным интеллектом и машинным обучением в Мозаике ИИ. Вы можете импортировать все записные книжки в рабочую область Azure Databricks, чтобы запустить их.
Эти записные книжки иллюстрируют использование Azure Databricks на протяжении всего жизненного цикла ИИ, включая загрузку и подготовку данных; обучение моделей, настройка и вывод; развертывание и управление моделью.
Учебники по классическому машинному обучению
| Записная книжка | Требования | Функции |
|---|---|---|
| Полный пример | Databricks Runtime ML | Каталог Unity, модель классификации, MLflow, автоматическая настройка гиперпараметров с помощью Hyperopt и MLflow, XGBoost |
| Развертывание и запрос настраиваемой модели | Databricks Runtime ML | Каталог Unity, модель классификации, MLflow, автоматическая настройка гиперпараметра с помощью Hyperopt и MLflow |
| Машинное обучение с помощью scikit-learn | Databricks Runtime ML | Каталог Unity, модель классификации, MLflow, автоматическая настройка гиперпараметра с помощью Hyperopt и MLflow |
| Машинное обучение с использованием MLlib | Databricks Runtime ML | Модель логистической регрессии, конвейер Spark, автоматическая настройка гиперпараметров с помощью API MLlib |
| Глубокое обучение с использованием TensorFlow Keras | Databricks Runtime ML | Модель нейронной сети, встроенное средство TensorBoard, автоматическая настройка гиперпараметров с помощью Hyperopt и MLflow, автоматическое ведение журналов, реестр моделей |
Учебники по искусственному интеллекту
| Записная книжка | Требования | Функции |
|---|---|---|
| Приступая к выполнению запросов к LLM | Databricks Runtime ML | Каталог Unity, модель классификации, MLflow, автоматическая настройка гиперпараметров с помощью Hyperopt и MLflow, XGBoost |
| Запрос конечных точек внешней модели OpenAI | Databricks Runtime ML | Каталог Unity, модель классификации, MLflow, автоматическая настройка гиперпараметра с помощью Hyperopt и MLflow |
| Создание и развертывание запуска обучения модели ИИ Для Мозаики | Databricks Runtime ML | Каталог Unity, модель классификации, MLflow, автоматическая настройка гиперпараметра с помощью Hyperopt и MLflow |
| 10-минутная демонстрация RAG | Databricks Runtime ML | Модель логистической регрессии, конвейер Spark, автоматическая настройка гиперпараметров с помощью API MLlib |
| Руководство по настройке искусственного интеллекта: расширенное руководство по RAG | Databricks Runtime ML | Модель нейронной сети, встроенное средство TensorBoard, автоматическая настройка гиперпараметров с помощью Hyperopt и MLflow, автоматическое ведение журналов, реестр моделей |