Tutorial: Começar com IA e machine learning

O Notebook nesta seção foi criado para que o senhor comece rapidamente com a AI e machine learning em Mosaic AI. O senhor pode importar cada Notebook para o site Databricks workspace para executá-los.

Esse Notebook ilustra como usar o site Databricks em todo o ciclo de vida da IA, incluindo carregamento e preparação de dados; treinamento, ajuste e inferência de modelos; e implantação e gerenciamento de modelos.

Clássico ML tutorial

notebook	Requisitos	Recursos
Exemplo de ponta a ponta	ML Databricks Runtime	Unity Catalog, modelo de classificação, MLflow, ajuste automatizado de hiperparâmetros com Hyperopt e MLflow, XGBoost
Implantar e consultar um modelo personalizado	ML Databricks Runtime	Unity Catalog, modelo de classificação, MLflow, ajuste automatizado de hiperparâmetros com Hyperopt e MLflow
Aprendizado de máquina com o scikit-learn	ML Databricks Runtime	Unity Catalog, modelo de classificação, MLflow, ajuste automatizado de hiperparâmetros com Hyperopt e MLflow
Aprendizado de máquina com MLlib	ML Databricks Runtime	Modelo de regressão logística, pipeline Spark, ajuste automatizado de hiperparâmetros usando API MLlib
Aprendizagem profunda com TensorFlow Keras	ML Databricks Runtime	Modelo de rede neural, TensorBoard inline, ajuste automatizado de hiperparâmetros com Hyperopt e MLflow, registro automático, ModelRegistry

Tutorial de AI

notebook	Requisitos	Recursos
Comece a consultar LLMs	ML Databricks Runtime	Unity Catalog, modelo de classificação, MLflow, ajuste automatizado de hiperparâmetros com Hyperopt e MLflow, XGBoost
Consultar o endpoint do modelo externo da OpenAI	ML Databricks Runtime	Unity Catalog, modelo de classificação, MLflow, ajuste automatizado de hiperparâmetros com Hyperopt e MLflow
Criar e implantar o Mosaic AI Model treinamento execução	ML Databricks Runtime	Unity Catalog, modelo de classificação, MLflow, ajuste automatizado de hiperparâmetros com Hyperopt e MLflow
Demonstração RAG de 10 minutos	ML Databricks Runtime	Modelo de regressão logística, pipeline Spark, ajuste automatizado de hiperparâmetros usando API MLlib
Livro de receitas da IA: RAG avançado tutorial	ML Databricks Runtime	Modelo de rede neural, TensorBoard inline, ajuste automatizado de hiperparâmetros com Hyperopt e MLflow, registro automático, ModelRegistry