次の方法で共有

AI と機械学習のチュートリアル

開始するには、次のいずれかのチュートリアルを試してください。 これらのノートブックは、Databricks ワークスペースにインポートできます。

チュートリアル 説明
クラシック ML Databricks でクラシック ML モデルをトレーニングするエンド ツー エンドの例。
scikit-learn 機械学習モデルをトレーニングするには、機械学習に最も人気のある Python ライブラリの 1 つを使用します。
MLlib Apache Spark 機械学習ライブラリを使用する方法の例。
PyTorch を使用したディープ ラーニング PyTorch を使用して Databricks でディープ ラーニング モデルをトレーニングするエンド ツー エンドの例。
TensorFlow TensorFlow は、GPU、GPU、および GPU のクラスターでのディープ ラーニングと数値計算をサポートするオープンソース フレームワークです。
モザイク AI モデルの提供 モザイク AI モデル サービスを使用して、クラシック ML モデルをデプロイしてクエリを実行します。
ファウンデーションモデルAPI 基盤モデル API は、Databricks ワークスペースから直接使用できるエンドポイントから、一般的な基盤モデルへのアクセスを提供します。
エージェント フレームワークのクイック スタート Mosaic AI Agent Framework を使用してエージェントを構築し、エージェントにツールを追加し、エンドポイントを提供する Databricks モデルにエージェントをデプロイします。
GenAI アプリをトレースする すべてのステップを可視化してアプリの実行フローをトレースします。
GenAI アプリを評価する MLflow 3 を使用して、GenAI アプリを作成、トレース、評価します。
ヒューマン フィードバックのクイック スタート エンドユーザーのフィードバックを収集し、そのフィードバックを使用して GenAI アプリの品質を評価します。
取得エージェントのビルド、評価、デプロイ 取得とツールを組み合わせた AI エージェントを構築します。
OpenAI モデルのクエリ OpenAI モデルに対してクエリを実行する外部モデル エンドポイントを作成します。