Tutoriais: Introdução ao ML

Os blocos de notas neste artigo foram concebidos para o ajudar a começar rapidamente com a aprendizagem automática no Azure Databricks. Você pode importar cada bloco de anotações para seu espaço de trabalho do Azure Databricks para executá-los.

Esses blocos de anotações ilustram como usar o Azure Databricks durante todo o ciclo de vida do aprendizado de máquina, incluindo carregamento e preparação de dados; treinamento de modelos, ajuste e inferência; e implantação e gerenciamento de modelos. Eles também demonstram ferramentas úteis, como Hyperopt para ajuste automatizado de hiperparâmetros, rastreamento de MLflow e registro automático para desenvolvimento de modelos e Registro de Modelo para gerenciamento de modelos.

Cadernos Scikit-Learn

Bloco de Notas	Requisitos	Funcionalidades
Tutorial de aprendizado de máquina	ML de tempo de execução do Databricks	Unity Catalog, modelo de classificação, MLflow, ajuste automatizado de hiperparâmetros com Hyperopt e MLflow
Exemplo de ponta a ponta	ML de tempo de execução do Databricks	Unity Catalog, modelo de classificação, MLflow, ajuste automatizado de hiperparâmetros com Hyperopt e MLflow, XGBoost

Notebook Apache Spark MLlib

Bloco de Notas	Requisitos	Funcionalidades
Aprendizado de máquina com MLlib	ML de tempo de execução do Databricks	Modelo de regressão logística, pipeline Spark, ajuste automatizado de hiperparâmetros usando MLlib API

Caderno de aprendizagem profunda

Bloco de Notas	Requisitos	Funcionalidades
Aprendizagem profunda com o TensorFlow Keras	ML de tempo de execução do Databricks	Modelo de rede neural, TensorBoard inline, ajuste automatizado de hiperparâmetros com Hyperopt e MLflow, autologging, ModelRegistry