중요합니다
이 기능은 베타 버전으로 제공됩니다. 작업 영역 관리자는 미리 보기 페이지에서 이 기능에 대한 액세스를 제어할 수 있습니다. Azure Databricks 미리 보기 관리를 참조하세요.
이 페이지에서는 서버리스 GPU 컴퓨팅을 사용하는 클래식 기계 학습 작업에 대한 Notebook 예제를 제공합니다. 이러한 예제에서는 기존 ML 알고리즘 및 시계열 예측에 GPU를 활용하는 방법을 보여 줍니다.
XGBoost 모델 학습
이 Notebook은 단일 GPU에서 XGBoost 회귀 모델을 학습시키는 방법을 보여 줍니다. XGBoost는 큰 데이터 세트에 대한 GPU 가속의 이점을 크게 활용할 수 있습니다.
XGBoost
Ray를 사용한 분산 XGBoost 하이퍼 매개 변수 튜닝
이 Notebook은 Databricks 서버리스 GPU 컴퓨팅에서 Ray Tune을 사용하여 하이퍼파라미터 최적화를 포함한 엔드투엔드 분산 XGBoost 훈련을 설명합니다.
RayTuneXGBoost
GluonTS를 사용하는 시계열 예측
이 Notebook은 서버리스 GPU 클러스터에서 GluonTS의 DeepAR 모델을 사용하여 전기 소비량 데이터의 확률적인 시계열 예측을 위한 엔드투엔드 워크플로를 보여 줍니다. 데이터 수집, 다시 샘플링, 모델 학습, 예측, 시각화 및 평가를 다룹니다.