End-to-end-voorbeeld van het bouwen machine learning modellen op Azure Databricks

Machine learning in de echte wereld is rommelig. Gegevensbronnen bevatten ontbrekende waarden, bevatten redundante rijen of passen mogelijk niet in het geheugen. Functie-engineering vereist vaak domeinexpertise en kan omslachtig zijn. Het modelleren combineert te vaak data science en systeemen engineering, waarvoor niet alleen kennis van algoritmen, maar ook van machinearchitectuur en gedistribueerde systemen is vereist.

Azure Databricks vereenvoudigt dit proces. Het volgende notebook van 10 minuten toont een end-to-end voorbeeld van het trainen van machine learning gegevens in tabelvorm. U kunt dit notebook importeren en zelf uitvoeren, of codefragmenten en ideeën kopiëren voor uw eigen gebruik.

Vereisten

Voor dit notebook is Databricks Runtime 6.5 ML of hoger vereist.

Notebook

Notebook met end-to-end-voorbeeld voor MLflow

Notebook downloaden