このセクションのチュートリアルでは、従来の ML および Gen AI ワークロードに対して AI ライフサイクル全体で Azure Databricks を使用する方法について説明します。
Azure Databricks で AI を初めて使用する場合は、「 クイック スタート: Databricks での生成 AI と機械学習 」を参照して、AI の使用をすぐに開始できるように設計されたノートブックとチュートリアルの一覧を確認してください。
従来の ML チュートリアル
Azure Databricks ワークスペースに各ノートブックをインポートして実行できます。
| ノートブック | 機能 |
|---|---|
| カスタム モデルをデプロイしてクエリを実行する | Unity カタログ、分類モデル、MLflow、モデル サービス、Hugging Face トランスフォーマー、PyFunc モデル |
| scikit-learn を使った機械学習 | Unity カタログ、分類モデル、MLflow、Optuna と MLflow を使用した自動ハイパーパラメーター 調整 |
| MLlib を使用した機械学習 | ロジスティック回帰モデル、Spark パイプライン、MLlib API を使用したハイパーパラメーターの自動チューニング |
| TensorFlow Keras を使用したディープ ラーニング | ニューラル ネットワーク モデル、インライン TensorBoard、Hyperopt および MLflow を使用したハイパーパラメーターの自動チューニング、自動ログ記録、モデル レジストリ |
ディープ ラーニングのチュートリアル
| ノートブック | 必要条件 | 機能 |
|---|---|---|
| エンドツーエンドの PyTorch の例 | Databricks Runtime ML（データブリックス ランタイム ML） | Unity カタログ、PyTorch、MLflow、Optuna と MLflow を使用した自動ハイパーパラメーター チューニング |
Gen AI チュートリアル
Azure Databricks ワークスペースに各ノートブックをインポートして実行できます。
| ノートブック | 機能 |
|---|---|
| OpenAI 外部モデル エンドポイントにクエリを実行する | OpenAI API、MLflow、外部モデル、Databricks シークレット |
| Foundation Model の微調整実行を作成してデプロイする | Foundation Model の微調整、 databricks_genai SDK |
| 運用グレードの AI エージェントを構築、評価、デプロイする | モザイク AI エージェント フレームワーク、エージェント評価、MLflow、合成データ |