メインコンテンツまでスキップ

AIと機械学習のチュートリアル

このセクションのチュートリアルでは、従来の ML ワークロードと Gen AI ワークロードの AI ライフサイクル全体で Databricks を使用する方法について説明します。

AIでDatabricks を初めて使用する場合は、「で生成AI と機械学習を試すDatabricks 」を参照して、 をすぐに使い始めるために設計されたノートブックとチュートリアルの厳選されたリストを確認してください。AI

従来の ML チュートリアル

各ノートブックを Databricks ワークスペースにインポートして実行できます。

ノートブック

機能

カスタム モデルのデプロイとクエリ

Unity Catalog, 分類モデル, MLflow, モデルサービング, Hugging Face transformer, PyFunc model

scikit-learnによる機械学習

Unity Catalog、分類モデル、MLflow、OptunaとMLflowによる自動ハイパーパラメーターチューニング

MLlibによる機械学習

ロジスティック回帰モデル、Sparkパイプライン、MLlib APIを使用した自動ハイパーパラメーターチューニング

TensorFlow Kerasによるディープラーニング

ニューラルネットワークモデル、インラインTensorBoard、HyperoptとMLflowによる自動ハイパーパラメーターチューニング、自動ロギング、モデルレジストリ

ディープラーニングのチュートリアル

ノートブック

要件

機能

エンドツーエンドの PyTorch の例

Databricks Runtime ML

Unity Catalog, PyTorch, MLflow, Optuna and MLflow による自動ハイパーパラメーターチューニング

Gen AI チュートリアル

ノートブック

機能

OpenAI 外部モデル エンドポイントのクエリ

OpenAI API、MLflow、外部モデル、Databricks シークレット

本番運用グレードの AI エージェントの構築、評価、デプロイ

Mosaic AI エージェント フレームワーク、エージェント評価、MLflow、合成データ

この記事は役に立ちましたか?