Databricks のコアコンポーネントのひとつに、データサイエンスのワークスペースがあります。データサイエンスのワークスペースでは、データサイエンティスト、データアナリスト、データエンジニアなど、チームの全員で、Notebook を使ったコラボレーションができます。Databricks はさまざまな業種で採用されており、広範なユースケースがあります。Notebook は、Databricks 環境や、無償のコミュニティエディション（CE）に簡単にインポートできます。このギャラリーでは Notebook の活用例をいくつかご紹介します。
Delta Lake
データレイクハウスを構築し、ACID トランザクション、タイムトラベル、制約などをオープンなファイルフォーマットで取得できます。
Databricks：7.6.x (CE は対象外)
Delta Lake 機能の詳細
Delta Lake は Apache Spark™ で ACID トランザクションを実現するオープンソースのストレージフォーマットです。この Delta Lake について詳しく解説します。
機械学習
TensorFlow、Spark MLlib、Horovod をはじめとする一般的な機械学習フレームワークをサポートします。
Databricks：7.6.x w/GPU（CE は対象外）
PyTorch と Horovod による分散型の深層学習
Horovod を使用した PyTorch でモデルの分散学習を行う手法を解説しています。
Databricks：8.1.x
Sparkを使用したストリーミングMLアプリケーションの構築
Spark を使用してクレジットカードの不正利用を監視するストリーミング ML アプリケーションを構築します。
Databricks：7.6.x w/GPU（CE は対象外）
Spark から TensorFlow へのシンプルなデータ変換
Spark DataFrames のデータを TensorFlow 形式に簡単に変換する方法を説明します。
MLflow
モデルのトレーニングから本番環境への移行まで、機械学習をエンドツーエンドでサポートします。
Databricks：7.6.x
クイックスタート：MLflow のスムーズなトラッキング API の使用方法
MLflow のハイレベルかつスムーズなトラッキング API を使用する手法を解説しています。
Databricks：7.6.x (CE は対象外)
表形式データに対する機械学習：エンドツーエンドの例
表形式データに対するエンドツーエンドの ML ライフサイクルの例を Notebook で紹介します。
Apache Spark™
データレイクハウスのデータエンジニアリングとデータサイエンスを強化する分散コンピューティングエンジンです。
