Десятиминутные руководства. Начало работы с машинным обучением в Azure Databricks

Записные книжки в этом разделе помогут быстро приступить к работе с машинным обучением на платформе Azure Databricks. В них показано, как использовать Azure Databricks на протяжении всего жизненного цикла машинного обучения, включая загрузку и подготовку данных, обучение, настройку и вывод модели, а также развертывание модели и управление ею. Эти записные книжки демонстрируют полезные средства, такие как Hyperopt для автоматической настройки гиперпараметров, отслеживание MLflow и автоматическое ведение журналов для разработки моделей, а также реестр моделей для управления моделями.

Записные книжки scikit-learn

Записная книжка Требования Компоненты
Краткое руководство по машинному обучению Databricks Runtime 7.5 ML или более поздней версии Модель классификации, MLflow, автоматическая настройка гиперпараметров с помощью Hyperopt и MLflow
Машинное обучение с использованием реестра моделей Databricks Runtime 7.0 ML или более поздней версии Модель классификации, MLflow, автоматическая настройка гиперпараметров с помощью Hyperopt и MLflow, реестр моделей
Комплексный пример Databricks Runtime версии 6.5 ML или выше; Модель классификации, MLflow, автоматическая настройка гиперпараметров с помощью Hyperopt и MLflow, XGBoost, реестр моделей, обслуживание моделей

Записная книжка по Apache Spark MLlib

Записная книжка Требования Компоненты
Машинное обучение с использованием MLlib Databricks Runtime 5.5 LTS ML или более поздней версии Модель логистической регрессии, конвейер Spark, автоматическая настройка гиперпараметров с помощью API MLlib

Записная книжка по глубокому обучению

Записная книжка Требования Компоненты
Глубокое обучение с использованием TensorFlow Keras Databricks Runtime 7.0 ML или более поздней версии Модель нейронной сети, встроенное средство TensorBoard, автоматическая настройка гиперпараметров с помощью Hyperopt и MLflow, автоматическое ведение журналов, реестр моделей