10 dakikalık Öğreticiler: Azure Databricks makine öğrenimi ile çalışmaya başlama

Bu bölümdeki Not defterleri, Azure Databricks üzerinde makine öğrenimi ile çalışmaya hemen başlamanızı sağlayacak şekilde tasarlanmıştır. Veri yükleme ve hazırlama dahil olmak üzere makine öğrenimi yaşam döngüsü boyunca Azure Databricks nasıl kullanacağınızı gösterir. Model eğitimi, ayarlama ve çıkarım; ve model dağıtımı ve yönetimi. Otomatik hiper parametre ayarlama, Mlflow izleme ve model geliştirme için otomatik günlüğe kaydetme gibi faydalı araçları ve model yönetimi için model kayıt defterini gösterir.

scikit-Not defterleri öğrenin

Not Defteri Gereksinimler Özellikler
Machine Learning hızlı başlangıç Databricks Runtime 7,5 ML veya üzeri Hiperopt ve MLflow ile sınıflandırma modeli, MLflow, otomatik hyperparameter ayarı
Model kayıt defteri ile makine öğrenimi Databricks Runtime 7,0 ML veya üzeri Hiperopt ve MLflow, model kayıt defteri ile sınıflandırma modeli, MLflow, otomatik hyperparameter ayarı
Uçtan uca örnek Databricks Runtime 6.5 ML veya üzeri Hiperopt ve MLflow, XGBoost, model kayıt defteri, model sunma ile sınıflandırma modeli, MLflow, otomatik hiper parametre ayarlama

Apache Spark MLlib Not defteri

Not Defteri Gereksinimler Özellikler
MLlib ile makine öğrenimi Databricks Runtime 5,5 LTS ML veya üzeri Lojistik regresyon modeli, Spark işlem hattı, MLlib API kullanarak otomatik hiper parametre ayarlama

Derin öğrenme Not defteri

Not Defteri Gereksinimler Özellikler
TensorFlow keras ile derin öğrenme Databricks Runtime 7,0 ML veya üzeri Sinir ağ modeli, satır içi TensorBoard, Hyperopt ve MLflow, otomatik günlük oluşturma, ModelRegistry ile otomatik hiper parametre ayarlama