Databricks'te yapay zeka ve makine öğrenmesi

Veri hazırlığından üretim izlemesine kadar tüm yapay zeka yaşam döngüsünü birleştirir. Tümleşik bir platform olan Mozaik AI ile yapay zeka ve makine öğrenmesi uygulamaları oluşturun, dağıtın ve yönetin.

Başlamanıza yönelik bir dizi öğretici için bkz. Yapay zeka ve makine öğrenmesi öğreticileri.

Üretken yapay zeka uygulamaları oluşturma

hassas ayarlı LLM'ler, yapay zeka ajanları ve geri getirme ile artırılmış üretim gibi kurumsal düzeyde üretici yapay zeka uygulamaları geliştirin ve dağıtın.

Feature	Description
AI Oyun Alanı	Kod gerektirmeden istem mühendisliği ve parametre ayarlama ile üretime dayalı yapay zeka modellerinin prototipini oluşturun ve test edin.
Ajan Tuğlalar	Yaygın yapay zeka kullanım örnekleri için etki alanına özgü, yüksek kaliteli yapay zeka aracısı sistemleri oluşturmak ve iyileştirmek için basit bir yaklaşım.
Temel Modeller	Meta Llama, Antropik Claude ve OpenAI GPT gibi en son düzey LLM'lere güvenli, ölçeklenebilir API'ler aracılığıyla hizmet sağlayın.
Mozaik Yapay Zeka Aracısı Çerçevesi	Python ile RAG uygulamaları ve çok aracılı sistemler dahil olmak üzere üretim kalitesinde aracılar oluşturun ve dağıtın.
GenAI için MLflow	Yapay zeka destekli ölçümleri ve kapsamlı izleme gözlemlenebilirliğini kullanarak GenAI uygulama yaşam döngüsü boyunca kaliteyi ölçün, geliştirin ve izleyin.
Vektör Arama	RAG uygulamaları için bilgi bankanıza otomatik eşitleme ile ekleme vektörlerini depolayın ve sorgulayın.
Sunucusuz GPU işlem	En sevdiğiniz çerçeveleri kullanarak özel modelleri eğitip hassas ayarlamalar yapmak için tek ve çok düğümlü derin öğrenme iş yüklerini özelleştirin ve en son verimlilik, performans ve kaliteyi elde edin.
Temel Modelde İnce Ayarlama	Belirli uygulamaların performansını iyileştirmek için temel modelleri kendi verilerinizle özelleştirin.

Klasik makine öğrenmesi modellerini eğitin

Otomatik araçlar ve işbirliğine dayalı geliştirme ortamları ile makine öğrenmesi modelleri oluşturun.

Feature	Description
AutoML	Otomatik özellik mühendisliğini ve hiper parametre ayarlamayı kullanarak minimum kodla yüksek kaliteli modelleri otomatik olarak oluşturun.
ML için Databricks Runtime	Derin öğrenme geliştirme için TensorFlow, PyTorch, Keras ve GPU desteği ile önceden yapılandırılmış kümeler.
MLflow izleme	Denemeleri izleyin, model performansını karşılaştırın ve model geliştirme yaşam döngüsünün tamamını yönetin.
Özellik mühendisliği	Otomatik veri işlem hatları ve özellik bulma ile özellik oluşturma, yönetme ve sunma.
Databricks defterleri	Python, R, Scala ve ML iş akışları için SQL desteğiyle işbirliğine dayalı geliştirme ortamı.

Derin öğrenme modellerini eğitin

Derin öğrenme modelleri geliştirmek için yerleşik çerçeveleri kullanın.

Feature	Description
Dağıtılmış eğitim	Ray, TorchDistributor ve DeepSpeed kullanarak dağıtılmış derin öğrenme örnekleri.
Databricks'te derin öğrenme için en iyi yöntemler	Databricks'te derin öğrenme için en iyi yöntemler.
PyTorch	PyTorch kullanarak tek düğümlü ve dağıtılmış eğitim.
TensorFlow	TensorFlow ve TensorBoard kullanarak tek düğümlü ve dağıtılmış eğitim.
Başvuru çözümleri	Derin öğrenme için referans çözümleri.

Modelleri dağıtma ve sunma

Ölçeklenebilir uç noktalar, gerçek zamanlı çıkarım ve kurumsal düzeyde izleme ile modelleri üretime dağıtın.

Feature	Description
Model Sunumu	Otomatik ölçeklendirme ve GPU desteğiyle özel modelleri ve LLM'leri ölçeklenebilir REST uç noktaları olarak dağıtın.
AI Ağ Geçidi	Kullanım izleme, yük günlüğü ve güvenlik denetimleriyle üretken yapay zeka modellerine erişimi idare edin ve izleyin.
Dış modeller	Databricks dışında barındırılan üçüncü taraf modelleri birleşik idare ve izleme ile tümleştirin.
Temel model API'leri	Databricks tarafından barındırılan en gelişmiş açık modellere erişin ve bu modelleri sorgulamak için kullanın.

ML sistemlerini izleme ve yönetme

Kapsamlı izleme ve idare araçlarıyla model kalitesini, veri bütünlüğünü ve uyumluluğu sağlayın.

Feature	Description
Unity Kataloğu	Birleşik erişim denetimi, köken izleme ve bulma ile verileri, özellikleri, modelleri ve işlevleri idare edin.
Veri profili oluşturma	Otomatik uyarılar ve kök neden analizi ile veri kalitesini, model performansını ve tahmin kaymalarını izleyin.
Anomali algılama	Katalog düzeyinde veri güncelliğini ve eksiksizliğini izleyin.
Modeller için MLflow	Geliştirme yaşam döngüsü boyunca üretken yapay zeka uygulamalarını takip edin, değerlendirin ve izleyin.

ML iş akışlarını üretime geçirin

Otomatik iş akışları, CI/CD tümleştirmesi ve üretime hazır işlem hatları ile makine öğrenmesi işlemlerini ölçeklendirin.

Feature	Description
Unity Kataloğu'ndaki modeller	Merkezi idare ve dağıtımlar dahil olmak üzere model yaşam döngüsünü yönetmek için Unity Kataloğu'ndaki model kayıt defterini kullanın.
Lakeflow İşleri	ML veri işleme için otomatik iş akışları ve üretime hazır ETL işlem hatları oluşturun.
Databricks üzerinde Ray	Büyük ölçekli model eğitimi ve çıkarım için dağıtılmış bilgi işlem ile ML iş yüklerini ölçeklendirin.
MLOps iş akışları	Otomatik eğitim, test ve dağıtım işlem hatları ile uçtan uca MLOps uygulayın.
Git entegrasyonu	Sorunsuz Git tümleştirmesi ve işbirliğine dayalı geliştirme ile sürüm denetimi ML kodu ve not defterleri.