繼續前面的範例程式，繼續看執行 Notebook 的部分。
首先就是 Databricks Runtime ML 的部分，這邊可以看到有兩種方式可以執行，一種是透過 Databricks Runtime ML，另一種是透過自己安裝 pip libraries。方便協作一致性，當然推薦用 Databricks Runtime ML。
執行完 Train model 之後，由於我們會透過 MLflow 做 tracking，而 Databricks 內建的 tracking server 就是 MLflow，我們可以很方便的在 Databricks UI 上直接看到結果
由於 Feature Store 需要啟用 Unity Catalog，所以這邊就不會有範例程式，請參考官方文件。
Reference:
iThome鐵人賽
看影片追技術