Zelfstudies van 10 minuten: Aan de slag met machine learning over Azure Databricks

  • Artikel
  • 2 minuten om te lezen

De notebooks in deze sectie zijn ontworpen om snel aan de slag te gaan met machine learning op Azure Databricks. Ze laten zien hoe u een Azure Databricks de machine learning gebruikt, inclusief het laden en voorbereiden van gegevens; modeltraining, afstemming en de deferie; en modelimplementatie en -beheer. Ze demonstreren nuttige hulpprogramma's zoals Hyperopt voor geautomatiseerde afstemming van hyperparameters, MLflow-tracering en autologging voor modelontwikkeling en Modelregister voor modelbeheer.

scikit-learn-notebooks

Notebook Vereisten Functies
Snelstart voor Machine Learning Databricks Runtime 7.5 ML of hoger Classificatiemodel, MLflow, geautomatiseerde afstemming van hyperparameters met Hyperopt en MLflow
Machine learning met modelregister Databricks Runtime 7.0 ML of hoger Classificatiemodel, MLflow, geautomatiseerde afstemming van hyperparameters met Hyperopt en MLflow, modelregister
Voorbeeld van het hele proces Databricks Runtime 6.5 ML of hoger Classificatiemodel, MLflow, geautomatiseerde afstemming van hyperparameters met Hyperopt en MLflow, XGBoost, modelregister, model serving

Apache Spark MLlib-notebook

Notebook Vereisten Functies
Machine learning met MLlib Databricks Runtime 5.5 LTS ML of hoger Logistic regression model, Spark pipeline, automated hyperparameter tuning using MLlib API

Deep Learning-notebook

Notebook Vereisten Functies
Deep Learning met TensorFlow Keras Databricks Runtime 7.0 ML of hoger Neuraal netwerkmodel, inline TensorBoard, geautomatiseerde afstemming van hyperparameters met Hyperopt en MLflow, autologging, ModelRegistry