Öğreticiler: ML'i kullanmaya başlama

Bu makaledeki not defterleri, Azure Databricks'te makine öğrenmesine hızlı bir şekilde başlamanızı sağlamak için tasarlanmıştır. Her not defterini çalıştırmak için Azure Databricks çalışma alanınıza aktarabilirsiniz.

Bu not defterleri, veri yükleme ve hazırlama dahil olmak üzere makine öğrenmesi yaşam döngüsü boyunca Azure Databricks'in nasıl kullanılacağını gösterir; model eğitimi, ayarlama ve çıkarım; ve model dağıtımı ve yönetimi. Ayrıca otomatik hiper parametre ayarlaması için Hyperopt, model geliştirme için MLflow izleme ve otomatik kaydetme ve model yönetimi için Model Kayıt Defteri gibi yararlı araçlar da gösterilmektedir.

scikit-learn not defterleri

Not Defteri	Gereksinimler	Özellikler
Makine öğrenmesi öğreticisi	Databricks Runtime ML	Sınıflandırma modeli, MLflow, Hyperopt ve MLflow ile otomatik hiper parametre ayarlama
Uçtan uca örnek	Databricks Runtime ML	Sınıflandırma modeli, MLflow, Hyperopt ve MLflow ile otomatik hiper parametre ayarlama, XGBoost, Model Kayıt Defteri, Model Sunma

Apache Spark MLlib not defteri

Not Defteri	Gereksinimler	Özellikler
MLlib ile makine öğrenmesi	Databricks Runtime ML	MLlib API kullanarak lojistik regresyon modeli, Spark işlem hattı, otomatik hiper parametre ayarlama

Derin öğrenme not defteri

Not Defteri	Gereksinimler	Özellikler
TensorFlow Keras ile derin öğrenme	Databricks Runtime ML	Sinir ağı modeli, satır içi TensorBoard, Hyperopt ve MLflow ile otomatik hiper parametre ayarlama, otomatik kaydetme, Model Kayıt Defteri