Quickstarts¶

Nutzen Sie die folgenden Schnellstarts, um sich mit Snowflake ML vertraut zu machen.

End-to-End-Beispiele¶
Quickstart	Level	Beschreibung
Erstellen eines End-to-End ML-Modells in Snowflake	Anfänger	Erstellen, Bereitstellen und Verwalten eines XGBoost-Modells in der Produktion, einschließlich einer vollständigen Einführung in die Funktionen von Snowflake MLOps
Orchestrieren von ML-Pipelines mit ML-Jobs und Task-Graphen	Mittel	Erstellen Sie eine vollständige ML-Pipeline mit Datenaufbereitung, verteiltem Modelltraining, Evaluation, bedingtem Heraufstufen und automatischer Bereinigung, die über Task-Graphen orchestriert wird
Skalieren Sie Einbettungen mit Snowflake Notebooks auf Container Runtime	Mittel	Experimentieren mit einem quelloffenen Einbettungsmodell und Nutzung für große Batch-Inferenzen
Fehlererkennung durch verteilte PyTorch mit Snowflake-Notebooks	Mittel	Erkennen Sie Defekte mit PyTorch-basierten Computer-Vision-Modellen mit GPUs
Erste Schritte mit verteilten PyTorch mit Snowflake-Notebooks	Mittel	Erstellen und Implementieren eines Empfehlungsmodells mit PyTorch unter Verwendung von GPUs
Erstellen von ML-Modellen, um den Code von Kundenkonvertierungen zu entschlüsseln	Mittel	Erstellen einer vollständigen ML-Pipeline, die Textdaten klassifiziert, Sentiment-Analysen mit generativer AI durchführt und Kundenkäufe mit XGBoost vorhersagt

Beispiele für die Entwicklung von Modellen¶
Quickstart	Level	Beschreibung
Erste Schritte mit Snowflake-Notebooks auf der Container Runtime	Anfänger	Einführender Schnellstart zu den Grundlagen der Verwendung von Snowflake-Notebooks auf Container Runtime
Erste Schritte mit ML-Entwicklung in Snowflake	Anfänger	Entwickeln eines Modells in Snowflake-Notebooks, einschließlich Preprocessing, Feature-Engineering und Modelltraining
Trainieren eines XGBoost-Modell mit GPUs unter Verwendung von Snowflake-Notebooks	Anfänger	Trainieren eines XGBoost-Modells auf GPUs in Snowflake-Notebooks
Verteilte Multi-Node und Multi-GPU-Audio-Transkription mit Snowflake ML	Mittel	Durchführen von Audiotranskriptionen mit mehreren Knoten undGPU, indem Container Runtime mit Whisper large-v3 von OpenAI auf HuggingFace genutz wird

MLOps-Beispiele¶
Quickstart	Level	Beschreibung
Einführung in den Snowflake Feature Store mit Snowflake Notebooks	Anfänger	Einführender Schnellstart zu den Grundlagen der Verwendung von Snowflake Feature Store
`Erste Schritte mit Snowflake Feature Store API<https://quickstarts.snowflake.com/guide/overview-of-feature-store-api/>`_	Anfänger	Einführender Schnellstart zu den Grundlagen der Verwendung von APIs im Snowflake Feature Store
Erste Schritte mit ML-Beobachtbarkeit in Snowflake	Anfänger	Einführender Schnellstart zu den Grundlagen der Verwendung von ML Beobachtbarkeit in Snowflake
Entwickeln und Verwalten von ML-Modellen mit Feature Store und Model Registry	Mittel	Demonstriert einen ML-Experimentierzyklus, der die Erstellung von Features, die Erzeugung von Trainingsdaten, das Training von Modellen und die Inferenz umfasst