Tutorial: Modelos clásicos de aprendizaje automático de extremo a extremo en Azure Databricks

En este cuaderno de tutorial se presenta un ejemplo completo de entrenamiento de un modelo de ML clásico en Azure Databricks, incluida la carga de datos, la visualización de los datos, la configuración de una optimización de hiperparámetros paralelos y el uso de MLflow para revisar los resultados, registrar el modelo y realizar inferencias en nuevos datos mediante el modelo registrado en una UDF de Spark.

Puede importar este cuaderno y ejecutarlo personalmente, o bien copiar fragmentos de código e ideas para uso personal.

Ordenador portátil

MLflow 3

Esta versión del cuaderno usa MLflow 3 y el Catálogo de Unity.

Tutorial de XGBoost MLflow 3 (Catálogo de Unity)

Obtener el cuaderno

MLflow 2.x

Si el área de trabajo está habilitada para Unity Catalog, use esta versión del cuaderno:

Tutorial de MLflow de XGBoost (Catálogo de Unity)

Obtener el cuaderno

Si el área de trabajo no está habilitada para Unity Catalog, use esta versión del cuaderno:

Uso de scikit-learn con la integración de MLflow en Databricks

Obtener el cuaderno