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

Create and deploy a 基盤モデル ファインチューニング 実行

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