チュートリアル: AI と機械学習の使用を開始する
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。 Azure Databricks ワークスペースに各ノートブックをインポートして実行できます。
これらのノートブックは、AI のライフサイクル全体 (データの読み込みと準備、モデルのトレーニング、調整、および推論、モデル デプロイと管理など) を通して Azure Databricks を使用する方法を示しています。
従来の ML チュートリアル
| ノートブック | 必要条件 | 機能 |
|---|---|---|
| エンド ツー エンドの例 | Databricks Runtime ML | Unity カタログ、分類モデル、MLflow、Hyperopt および MLflow、XGBoost を使用したハイパーパラメーターの自動チューニング |
| カスタム モデルをデプロイしてクエリを実行する | Databricks Runtime ML | Unity カタログ、分類モデル、MLflow、Hyperopt および MLflow を使用したハイパーパラメーターの自動チューニング |
| scikit-learn を使った機械学習 | Databricks Runtime ML | Unity カタログ、分類モデル、MLflow、Hyperopt および MLflow を使用したハイパーパラメーターの自動チューニング |
| 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 を使用したハイパーパラメーターの自動チューニング |
| TensorFlow Keras を使用したディープ ラーニング | Databricks Runtime ML | ニューラル ネットワーク モデル、インライン TensorBoard、Hyperopt および MLflow を使用したハイパーパラメーターの自動チューニング、自動ログ記録、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 | 機能 |
|---|---|---|
| LLM のクエリを開始する | Databricks Runtime ML | Unity カタログ、分類モデル、MLflow、Hyperopt および MLflow、XGBoost を使用したハイパーパラメーターの自動チューニング |
| OpenAI 外部モデル エンドポイントにクエリを実行する | Databricks Runtime ML | Unity カタログ、分類モデル、MLflow、Hyperopt および MLflow を使用したハイパーパラメーターの自動チューニング |
| 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 カタログ、分類モデル、MLflow、Hyperopt および MLflow を使用したハイパーパラメーターの自動チューニング |
| 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 を使用したハイパーパラメーターの自動チューニング |
| AI クックブック: 高度な RAG 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 および MLflow を使用したハイパーパラメーターの自動チューニング、自動ログ記録、モデル レジストリ |