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
Scale Embeddings with Snowflake Notebooks on 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
Building ML Models to Crack the Code of Customer Conversions	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
Getting Started with ML Development 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
Introduction to Snowflake Feature Store with Snowflake Notebooks	Anfänger	Einführender Schnellstart zu den Grundlagen der Verwendung von Snowflake Feature Store
Getting Started with Snowflake 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