Pular para o conteúdo principal

AI e tutorial de aprendizado de máquina

O tutorial desta seção ilustra como usar Databricks em todo o ciclo de vida de AI para cargas de trabalho clássicas de ML e gen AI.

Se o senhor é novo no AI em Databricks, consulte Try generative AI and machine learning em Databricks para obter uma lista com curadoria de Notebook e tutoriais criados para que o senhor comece rapidamente a usar o AI.

Clássico ML tutorial

O senhor pode importar cada Notebook para o site Databricks workspace para executá-los.

Notebook

Recursos

Implantar e consultar um modelo personalizado

Unity Catalog, modelo de classificação, MLflow, servindo modelo, Hugging Face transformer, PyFunc model

Aprendizado de máquina com o scikit-learn

Unity Catalog, modelo de classificação, MLflow, ajuste automatizado de hiperparâmetros com Optuna e MLflow

Aprendizado de máquina com MLlib

Modelo de regressão logística, pipeline Spark, ajuste automatizado de hiperparâmetros usando a API MLlib

Aprendizagem profunda com TensorFlow Keras

Modelo de rede neural, TensorBoard em linha, ajuste automatizado de hiperparâmetros com Hyperopt e MLflow, autologging, ModelRegistry

aprendizagem profunda tutorial

Notebook

Requisitos

Recursos

Exemplo de PyTorch de ponta a ponta

Databricks Runtime ML

Unity Catalog, PyTorch, MLflow, ajuste automatizado de hiperparâmetros com Optuna e MLflow

Tutorial do Gen AI

O senhor pode importar cada Notebook para o site Databricks workspace para executá-los.

Notebook

Recursos

Consultar o endpoint do modelo externo da OpenAI

API da OpenAI, MLflow, modelos externos, segredos da Databricks

Criar e implantar um Foundation Model Execução do ajuste fino

Ajuste fino do Foundation Model, databricks_genai SDK

Criar, avaliar e implantar agentes de nível de produção em AI

Mosaic AI Estrutura de agentes, avaliação de agentes, MLflow, dados sintéticos