機械学習ランタイム（MLR）は、データサイエンティストと ML の実行者に、一般的なフレームワーク、組み込み AutoML、および最高のパフォーマンスを実現するための最適化を含む、スケーラブルなクラスターを提供します。
メリット
最適なフレームワーク
ML フレームワークが急激な進化を遂げており、ユーザーは平均 8 つのライブラリを管理する必要があります。ML ランタイムは、特に一般的な ML フレームワークの高性能かつ信頼性のある分散処理、および事前構築されたコンテナを介したカスタム ML 環境へのワンクリックアクセスを提供します。
強化された機械学習
Hyperopt および MLflow を使用したハイパーパラメータのチューニングやモデル検索といった組み込みの AutoML 機能により、データ準備から推論に至るまで、機械学習を強化します。
簡素化されたスケーリング
自動管理されたスケーラブルなクラスターインフラストラクチャを使用して、スモールデータからビッグデータへ簡単に移行できます。また、機械学習のラン タイムには、特に一般的なアルゴリズムと HorovodRunner（分散型深層学習用の単純な API）に関する独自のパフォーマンス強化が含まれています。
機能
ML フレームワーク：TensorFlow、Keras、PyTorch、MLflow、Horovod、GraphFrame、scikit-learn、XGboost、numpy、MLeap、Pandas など、特に一般的な ML ライブラリとフレームワ ークをすぐに利用できます。
仕組み
機械学習用ランタイムは最上部に構築され、Databricks ランタイムのリリースごとに更新されます。Azure Databricks、AWS クラウド、GPU クラスター、CPU クラスターといった、全ての Databricks 製品でご利用いただけます。
クラスターを作成する際に ML バージョンのランタイムを選択するだけで、ML 用ランタイムを使用することができます。
