Tutorial: End-to-End-ML-Modelle in Azure Databricks

Dieses Tutorialnotebook zeigt ein End-to-End-Beispiel für das Trainieren eines Modells in Azure Databricks. Es umfasst das Laden von Daten, das Visualisieren der Daten und das Einrichten einer parallelen Hyperparameteroptimierung sowie die Verwendung von MLflow zur Überprüfung der Ergebnisse, zur Registrierung des Modells und zur Durchführung von Rückschlussvorgängen für neue Daten unter Verwendung des registrierten Modells in einer benutzerdefinierten Spark-Funktion (User Defined Function, UDF).

Sie können dieses Notebook importieren und selbst ausführen oder Codeausschnitte und Ideen für Ihre eigene Verwendung kopieren.

Notebook

Wenn Ihr Arbeitsbereich für Unity Catalog aktiviert ist, verwenden Sie diese Version des Notebooks:

Verwenden von scikit-learn mit MLflow-Integration in Databricks (Unity Catalog)

Notebook abrufen

Wenn Ihr Arbeitsbereich nicht für Unity Catalog aktiviert ist, verwenden Sie diese Version des Notebooks:

Verwenden von scikit-learn mit MLflow-Integration in Databricks

Notebook abrufen