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