Azure Databricks'da makine öğrenmesi

Azure Databricks üzerinde makine öğrenmesi uygulamaları oluşturun, dağıtın ve yönetin. Tümleşik platform, veri hazırlamadan üretim izlemesine kadar ml yaşam döngüsünün tamamını birleştirir.

Üretken yapay zeka ve yapay zeka aracıları mı arıyorsunuz? Bkz. Azure Databricks üzerinde yapay zekâ aracıları oluşturma.

Get started

Hızlı bir başlangıç deneyin, model kodlayın ve not defterlerini kullanın.

Guide Description
Başlarken: Databricks'te ilk makine öğrenmesi modelinizi oluşturma scikit-learn ile basit bir sınıflandırma modeli oluşturun ve dağıtın.
Veri bilimi için Genie Code kullanma Verileri keşfetmek, model oluşturmak ve yinelemek için bir yapay zeka aracısı kullanın.
Databricks defterleri Python, R, Scala ve SQL desteğiyle işbirliğine dayalı geliştirme ortamı.
Kavramlar: Azure Databricks üzerinde veri bilimi ve makine öğrenmesi Azure Databricks'da veri bilimi ve makine öğrenmesinin temel kavramlarını öğrenin.

Klasik makine öğrenmesi modellerini eğitin

Özellikler geliştirin, makine öğrenmesi modelleri oluşturun ve deneyleri izleyin.

Feature Description
Özellik Mağazası Özellik mühendisliği yapın, Unity Kataloğu'ndaki özellikleri yönetin ve üretimde özelliklere hizmet edin.
Model eğitimi örnekleri Popüler kitaplıklarla klasik ML modellerini eğitmeye yönelik uçtan uca örnekleri inceleyin.
ML için Databricks Runtime scikit-learn, XGBoost, MLflow ve diğer ML kitaplıklarıyla önceden yapılandırılmış kümelerin yanı sıra derin öğrenme çerçeveleri desteği.
MLflow izleme Denemeleri izleyin, model performansını karşılaştırın ve model geliştirme yaşam döngüsünün tamamını yönetin.

Derin öğrenme modellerini eğitin

Derin öğrenme modelleri geliştirmek için yönetilen işlem ve yerleşik çerçeveleri kullanın.

Feature Description
AI Çalışma Zamanı Özel derin öğrenme eğitimi ve çıkarım iş yükleri için sunucusuz GPU işlem kullanın.
Dağıtılmış eğitim örnekleri Ray, TorchDistributor ve DeepSpeed kullanarak dağıtılmış derin öğrenme örneklerini keşfedin.
DL en iyi uygulamaları Çerçeve seçimi, veri yükleme, dağıtılmış ölçeklendirme ve derin öğrenme modeli yaşam döngüsünü yönetme hakkında bilgi edinin.
Databricks üzerinde Ray Büyük ölçekli model eğitimi ve çıkarım için dağıtılmış bilgi işlem ile ML iş yüklerini ölçeklendirin.

Modelleri dağıtma ve sunma

Modelleri gerçek zamanlı, akış veya toplu çıkarım için ölçeklenebilir uç noktalarla üretime dağıtın.

Feature Description
Model Sunumu Otomatik ölçeklendirme ve GPU desteğiyle özel modelleri ve LLM'leri REST uç noktaları olarak dağıtın.
AI Ağ Geçidi Kullanım izleme, yük günlüğü ve güvenlik denetimleriyle Azure Databricks sunulan modellere erişimi idare edin ve izleyin.
Toplu çıkarım Geniş veri kümelerinde toplu ve akış tabanlı çıkarım ile tahmin için modelleri devreye alın.
Temel model API'leri Databricks tarafından barındırılan son teknoloji GenAI modellerine erişin ve sorgulayın.

ML sistemlerini izleme ve yönetme

Kapsamlı izleme ve idare araçlarıyla model kalitesini, veri bütünlüğünü ve uyumluluğu sağlayın.

Feature Description
Unity Kataloğu Birleşik erişim denetimi, köken izleme ve bulma ile verileri, özellikleri, modelleri ve işlevleri idare edin.
Modeller için MLflow Denemelerden ve modellerden değerlendirme ve dağıtıma kadar tüm ML yaşam döngüsünü yönetin.
Anomali algılama Katalog düzeyinde veri güncelliğini ve eksiksizliğini izleyin.
Veri profili oluşturma Otomatik uyarılar ve kök neden analizi ile veri kalitesini, model performansını ve tahmin kaymalarını izleyin.

ML iş akışlarını üretime geçirin

Otomatik iş akışları, CI/CD tümleştirmesi ve üretime hazır işlem hatları ile makine öğrenmesi işlemlerini ölçeklendirin.

Feature Description
Unity Kataloğu'ndaki modeller Merkezi idare ve dağıtımlar dahil olmak üzere model yaşam döngüsünü yönetmek için Unity Kataloğu'ndaki model kayıt defterini kullanın.
Lakeflow İşleri ML işlem hatları için otomatik iş akışları oluşturun.
Bildirim temelli Otomasyon Paketleri ML eğitimi ve dağıtımı dahil olmak üzere CI/CD için kod olarak Azure Databricks altyapısını yönetin.
MLOps iş akışları Otomatik eğitim, test ve dağıtım işlem hatları ile uçtan uca MLOps hakkında bilgi edinin.
  • Last updated on