你在 Sierra Publishing 的資料科學團隊以往都在各自的筆電上執行機器學習應用。他們使用各種工具手動管理函式庫與套件，但現在想要在 Databricks 平台上處理機器學習工作負載。你不希望複製既有的函式庫管理流程，而是要團隊改用 Databricks 內建功能。
以下哪些是選擇 Databricks ML Runtime，而非手動管理函式庫的好理由？
本練習屬於課程
將理論付諸實踐，立即體驗我們的互動練習
了解雲端資料策略中的新 Lakehouse 範式，以及 Databricks Lakehouse 平台如何讓你的資料架構現代化。認識 Databricks 平台的基礎元件，以及它們如何彼此整合。
學習使用 Databricks 的功能來處理、轉換與清理你的資料。實作 Delta 儲存格式、Delta Live Tables 與 Workflows 等能力，將它們結合起來建立端到端的資料管線。
將 Databricks Lakehouse 平台作為你的資料倉儲解決方案，以支援商業智慧（BI）情境。使用 Databricks 內建、為 SQL 最佳化的功能，在你的資料上建立查詢與儀表板。
使用 Databricks 以受管的 MLFlow 管理你的機器學習管線。透過 Feature Store、Model Registry 與 Model Serving Endpoints，從端到端走過模型開發生命週期，在 Lakehouse 中打造健全的 MLOps 平台。
當前練習
