用途：在 Databricks 上搭建从数据探索到模型部署的完整机器学习流水线，并编排测试、Unity Catalog 设置与 bundle 部署，用于生产级 ML 工作流。
主要能力：创建 ML 资产目录与特征存储 schema、准备模型注册表；在集群上加载与剖析数据、测试特征工程逻辑、校验数据质量；交互式测试训练代码、超参数调优、MLflow 实验跟踪与模型验证；将最佳模型注册到 Unity Catalog 并添加元数据、标签与 Champion/Challenger 别名；打包为 Databricks Asset Bundle 并部署到 dev/staging/prod，支持定时重训练。
使用方式：该技能编排其他技能完成流程。用 databricks-unity-catalog 创建 schema（如 create_schema、get_schema）；用 databricks-testing 通过 databricks_command 或 create_context/execute_command_with_context/destroy_context 迭代开发特征与训练代码；训练笔记本中使用 %pip install mlflow scikit-learn，通过 mlflow.set_experiment、log_param、log_metric、sklearn.log_model 记录，并用 mlflow.register_model 注册到 Unity Catalog，再用 MlflowClient 设置别名与描述；用 databricks-bundle-deploy 编写 databricks.yml 与 resources 作业定义，执行 databricks bundle validate -t dev 与 databricks bundle deploy -t dev，运行作业前需确认。
适用场景：端到端 ML 流水线、带超参数优化的模型训练、MLflow 实验跟踪、模型注册到 Unity Catalog、部署训练流水线、定时重训练、特征工程工作流。
限制：资料未提供具体收费、价格、平台支持范围与效果数据；示例中的集群 ID、目录名等为占位值，需按实际环境替换。