Поделиться через

Учебники по искусственному интеллекту и машинному обучению

Ознакомьтесь с одним из этих руководств, чтобы приступить к работе. Эти записные книжки можно импортировать в рабочую область Databricks.

Туториал Описание
Классическое машинное обучение Полный пример обучения классической модели машинного обучения в Databricks.
scikit-learn Используйте одну из самых популярных библиотек Python для машинного обучения для обучения моделей машинного обучения.
MLlib Примеры использования библиотеки машинного обучения Apache Spark.
Глубокое обучение с помощью PyTorch Полный пример обучения модели глубокого обучения в Databricks с помощью PyTorch.
TensorFlow TensorFlow — это платформа с открытым исходным кодом, которая поддерживает глубокое обучение и числовые вычисления на ЦП, GPU и кластерах gpu.
Обслуживание мозаичной модели ИИ Развертывание и запрос классической модели машинного обучения с помощью службы модели ИИ Мозаики.
API-интерфейсы модели foundation API-интерфейсы модели Foundation предоставляют доступ к популярным базовым моделям из конечных точек, доступных непосредственно из рабочей области Databricks.
Краткое руководство по фреймворку агента Используйте Mosaic AI Agent Framework для создания агента, добавления инструмента в агент и развертывания агента на конечной точке предоставления модели Databricks.
Отслеживание приложения GenAI Прослеживайте поток выполнения приложения с мониторингом на каждом этапе.
Оценка приложения GenAI Используйте MLflow 3 для создания, трассировки и оценки приложения GenAI.
Краткое руководство по обратной связи с пользователями Соберите отзывы конечных пользователей и используйте эти отзывы для оценки качества приложения GenAI.
Создание, оценка и развертывание агента извлечения Создайте агент ИИ, который объединяет получение данных с инструментами.
Запрос моделей OpenAI Создайте внешнюю конечную точку модели для запроса моделей OpenAI.
  • Last updated on