開始使用磚作為機器學習的工程師
這裏列出的快速入門和教程是為了讓你開始迅速在磚與機器學習。每個包含一個筆記本,您可以導入和運行在自己的磚工作區。他們演示如何使用磚機器學習在整個生命周期,包括數據加載和準備;模型訓練、調優和推理;和模型部署和管理。他們證明有用的工具等Hyperopt用於自動化hyperparameter調優,MLflow跟蹤和autologging模型發展,模型注冊模型管理。
請注意
運行一個筆記本包含在這些教程,點擊
筆記本上麵的教程頁麵。在你的磚的工作空間瀏覽器中,選擇進口從任何文件夾菜單和粘貼URL。要運行一個筆記本,你必須有一個集群上運行它。關於創建集群和運行筆記本的更多信息,見開始使用磚作為數據的科學家。
為用戶的新磚
最好的地方開始作為一個用戶新磚機器學習的是:
遵循開始使用磚作為數據的科學家快速入門。
運行產品內快速入門筆記本包含在磚機的學習環境。
這個筆記本演示了許多使用磚進行機器學習的好處,包括跟蹤模型開發MLflow和並行hyperparameter調優運行。筆記本走你通過如何加載數據,訓練和優化模型,比較和分析模型的性能,並使用推理的模型。
運行該產品內快速入門筆記本:
登錄到你的磚工作區和去磚機器學習persona-based環境。
改變形象,請點擊下麵的圖標磚的標誌
,並選擇機器學習。
磚的機器學習開始頁麵,點擊入門指南在右上角。
,並選擇機器學習。
scikit-learn教程
筆記本 |
需求 |
特性 |
|---|---|---|
磚運行時7.5毫升以上 |
分類模型、MLflow自動化hyperparameter調優Hyperopt和MLflow |
|
磚運行時7.0毫升以上 |
分類模型、MLflow自動化hyperparameter調優Hyperopt和MLflow模型注冊表 |
|
磚運行時6.5毫升以上 |
分類模型、MLflow自動化hyperparameter調優Hyperopt和MLflow XGBoost,注冊表模型、服務模型 |