Öğreticiler: Yapay zeka ve makine öğrenmesi ile çalışmaya başlama
Bu bölümdeki not defterleri, Mozaik yapay zeka üzerinde yapay zeka ve makine öğrenmesi ile hızlı bir şekilde çalışmaya başlamanızı sağlamak için tasarlanmıştır. Her not defterini çalıştırmak için Azure Databricks çalışma alanınıza aktarabilirsiniz.
Bu not defterleri, veri yükleme ve hazırlama dahil olmak üzere yapay zeka yaşam döngüsü boyunca Azure Databricks'in nasıl kullanılacağını gösterir; model eğitimi, ayarlama ve çıkarım; ve model dağıtımı ve yönetimi.
Klasik ML öğreticileri
| Not Defteri | Gereksinimler | Özellikler |
|---|---|---|
| Uçtan uca örnek | Databricks Runtime ML | Unity Kataloğu, sınıflandırma modeli, MLflow, Hyperopt ve MLflow ile otomatik hiper parametre ayarlama, XGBoost |
| Özel modeli dağıtma ve sorgulama | Databricks Runtime ML | Unity Kataloğu, sınıflandırma modeli, MLflow, Hyperopt ve MLflow ile otomatik hiper parametre ayarlama |
| scikit-learn ile makine öğrenmesi | Databricks Runtime ML | Unity Kataloğu, sınıflandırma modeli, MLflow, Hyperopt ve MLflow ile otomatik hiper parametre ayarlama |
| MLlib ile makine öğrenmesi | Databricks Runtime ML | MLlib API kullanarak lojistik regresyon modeli, Spark işlem hattı, otomatik hiper parametre ayarlama |
| 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 |
Yapay zeka öğreticileri
| Not Defteri | Gereksinimler | Özellikler |
|---|---|---|
| LLM'leri sorgulamaya başlama | Databricks Runtime ML | Unity Kataloğu, sınıflandırma modeli, MLflow, Hyperopt ve MLflow ile otomatik hiper parametre ayarlama, XGBoost |
| OpenAI dış model uç noktalarını sorgulama | Databricks Runtime ML | Unity Kataloğu, sınıflandırma modeli, MLflow, Hyperopt ve MLflow ile otomatik hiper parametre ayarlama |
| Mozaik AI Modeli Eğitimi çalıştırması oluşturma ve dağıtma | Databricks Runtime ML | Unity Kataloğu, sınıflandırma modeli, MLflow, Hyperopt ve MLflow ile otomatik hiper parametre ayarlama |
| 10 dakikalık RAG tanıtımı | Databricks Runtime ML | MLlib API kullanarak lojistik regresyon modeli, Spark işlem hattı, otomatik hiper parametre ayarlama |
| Yapay zeka yemek kitabı: Gelişmiş RAG öğreticisi | Databricks Runtime ML | Sinir ağı modeli, satır içi TensorBoard, Hyperopt ve MLflow ile otomatik hiper parametre ayarlama, otomatik kaydetme, Model Kayıt Defteri |