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 |
---|---|---|
ML Databricks Runtime |
Unity Catalog, modelo de classificação, MLflow, ajuste automatizado de hiperparâmetros com Hyperopt e MLflow, XGBoost |
|
ML Databricks Runtime |
Unity Catalog, modelo de classificação, MLflow, ajuste automatizado de hiperparâmetros com Hyperopt e MLflow |
|
ML Databricks Runtime |
Unity Catalog, modelo de classificação, MLflow, ajuste automatizado de hiperparâmetros com Hyperopt e MLflow |
|
ML Databricks Runtime |
Modelo de regressão logística, pipeline Spark, ajuste automatizado de hiperparâmetros usando API MLlib |
|
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 |
---|---|---|
ML Databricks Runtime |
Unity Catalog, modelo de classificação, MLflow, ajuste automatizado de hiperparâmetros com Hyperopt e MLflow, XGBoost |
|
ML Databricks Runtime |
Unity Catalog, modelo de classificação, MLflow, ajuste automatizado de hiperparâmetros com Hyperopt e MLflow |
|
Criar e implantar um Foundation Model Execução de ajuste fino |
ML Databricks Runtime |
Unity Catalog, modelo de classificação, MLflow, ajuste automatizado de hiperparâmetros com Hyperopt e MLflow |
ML Databricks Runtime |
Modelo de regressão logística, pipeline Spark, ajuste automatizado de hiperparâmetros usando API MLlib |
|
ML Databricks Runtime |
Modelo de rede neural, TensorBoard inline, ajuste automatizado de hiperparâmetros com Hyperopt e MLflow, registro automático, ModelRegistry |