AIと機械学習のチュートリアル

開始するには、これらのチュートリアルのいずれかを試してください。これらのノートブックは、Databricks ワークスペースにインポートできます。

チュートリアル	説明
クラシックML	Databricks でクラシック ML モデルをトレーニングするエンドツーエンドの例。
scikit-learn	機械学習用の最も一般的な Python ライブラリの 1 つを使用して、機械学習モデルをトレーニングします。
MLlib	Apache Spark 機械学習ライブラリの使用方法の例。
PyTorchを使用したディープラーニング	PyTorch を使用して Databricks でディープラーニングモデルをトレーニングするエンドツーエンドの例。
TensorFlow	TensorFlow は、CPU、GPU、GPUのクラスタリングでディープラーニングと数値計算をサポートするオープンソースフレームワークです。
モデルサービング	モデルサービングを使用して、クラシックMLモデルをデプロイし、クエリします。
基盤モデルAPI	基盤モデル APIs 、 Databricks ワークスペースから直接使用できるエンドポイントから、一般的な基盤モデルへのアクセスを提供します。
エージェント フレームワークのクイックスタート	Agent Framework を使用してエージェントを構築し、エージェントにツールを追加し、エージェントをDatabricksモデルビングサー エンドポイントにデプロイします。
GenAI アプリのトレース	アプリの実行フローを追跡し、すべてのステップを可視化します。
GenAI アプリを評価する	MLflow 3 を使用して、GenAI アプリを作成、トレース、評価します。
人間によるフィードバックのクイックスタート	エンドユーザーのフィードバックを収集し、そのフィードバックを使用してGenAIアプリの品質を評価します。
OpenAI モデルのクエリ	OpenAI モデルに対してクエリを実行するための外部モデル エンドポイントを作成します。
AI Runtimeを使用してLLMを微調整します。	AI Runtime上のLoRAを使用してQwen2-0.5Bモデルを微調整します。 レスGPU。