チュートリアル: AI と機械学習の概要

このセクションのノートブックは、Mosaic AI で AI と機械学習をすぐに開始できるように設計されています。 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。

これらのノートブックは、データの読み込みや準備など、AI のライフサイクル全体で Databricks を使用する方法を示しています。モデルのトレーニング、チューニング、推論。モデルのデプロイと管理。

従来の ML チュートリアル

ノートブック	必要条件	特徴量
エンドツーエンドの例	Databricks Runtime ML	Unity Catalog 、分類モデル、 MLflow 、 HyperoptとMLflowによるハイパーパラメータの自動調整、 XGBoost
カスタム モデルのデプロイとクエリ	Databricks Runtime ML	Unity Catalog 、分類モデル、 MLflow 、 HyperoptとMLflowによるハイパーパラメータの自動調整
scikit-learnによる機械学習	Databricks Runtime ML	Unity Catalog 、分類モデル、 MLflow 、 HyperoptとMLflowによるハイパーパラメータの自動調整
MLlib を使用した機械学習	Databricks Runtime ML	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調整
ディープラーニング with TensorFlow Keras	Databricks Runtime ML	ニューラルネットワークモデル、インライン TensorBoard、Hyperoptと MLflowによるハイパーパラメータの自動調整、自動ロギング、モデルレジストリ

AI チュートリアル

ノートブック	必要条件	特徴量
LLM のクエリを開始する	Databricks Runtime ML	Unity Catalog 、分類モデル、 MLflow 、 HyperoptとMLflowによるハイパーパラメータの自動調整、 XGBoost
OpenAI 外部モデル エンドポイントのクエリ	Databricks Runtime ML	Unity Catalog 、分類モデル、 MLflow 、 HyperoptとMLflowによるハイパーパラメータの自動調整
Mosaic AI モデル トレーニングの実行を作成してデプロイする	Databricks Runtime ML	Unity Catalog 、分類モデル、 MLflow 、 HyperoptとMLflowによるハイパーパラメータの自動調整
10分間のRAGデモ	Databricks Runtime ML	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調整
生成AI チュートリアル	Databricks Runtime ML	ニューラルネットワークモデル、インライン TensorBoard、Hyperoptと MLflowによるハイパーパラメータの自動調整、自動ロギング、モデルレジストリ