Учебники. Начало работы с машинным обучением

Записные книжки в этой статье помогут быстро приступить к работе с машинным обучением на платформе Azure Databricks. Вы можете импортировать все записные книжки в рабочую область Azure Databricks, чтобы запустить их.

В этих записных книжках показано, как использовать Azure Databricks на протяжении всего жизненного цикла машинного обучения, включая загрузку и подготовку данных, обучение, настройку и вывод модели, а также развертывание модели и управление ею. В них также продемонстрированы полезные средства, такие как Hyperopt для автоматической настройки гиперпараметров, отслеживание MLflow и автоматическое ведение журналов для разработки моделей, а также реестр моделей для управления моделями.

Записные книжки scikit-learn

Записная книжка	Требования	Функции
Руководство по машинному обучению	Databricks Runtime ML	Каталог Unity, модель классификации, MLflow, автоматическая настройка гиперпараметра с помощью Hyperopt и MLflow
Полный пример	Databricks Runtime ML	Каталог Unity, модель классификации, MLflow, автоматическая настройка гиперпараметров с помощью Hyperopt и MLflow, XGBoost

Записная книжка по Apache Spark MLlib

Записная книжка	Требования	Функции
Машинное обучение с использованием MLlib	Databricks Runtime ML	Модель логистической регрессии, конвейер Spark, автоматическая настройка гиперпараметров с помощью API MLlib

Записная книжка по глубокому обучению

Записная книжка	Требования	Функции
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