Esercitazione: Modelli di Machine Learning end-to-end in Azure Databricks
L'apprendimento automatico nel mondo reale è disordinato. Le origini dati contengono valori mancanti, includono righe ridondanti o potrebbero non rientrare nella memoria. La progettazione delle funzionalità richiede spesso competenze di dominio e può essere noiosa. La modellazione spesso combina la progettazione di data science e sistemi, richiedendo non solo la conoscenza degli algoritmi, ma anche dell'architettura delle macchine e dei sistemi distribuiti.
Azure Databricks semplifica questo processo. Il notebook dell'esercitazione di 10 minuti seguente illustra un esempio end-to-end di training di modelli di Machine Learning su dati tabulari.
È possibile importare questo notebook ed eseguirlo manualmente oppure copiare frammenti di codice e idee per un uso personalizzato.
Notebook
Se l'area di lavoro è abilitata per Unity Catalog, usare questa versione del notebook:
Usare scikit-learn con l'integrazione di MLflow in Databricks (Catalogo Unity)
Se l'area di lavoro non è abilitata per Unity Catalog, usare questa versione del notebook: