Beispiele in Azure Data Science Virtual Machine-Instanzen

Data Science Virtual Machines (DSVM) für Azure umfassen eine umfangreiche Sammlung von Beispielcode. Diese Beispiele beinhalten Jupyter-Notebooks und -Skripts in Sprachen wie Python und R.

Hinweis

Weitere Informationen zum Ausführen von Jupyter-Notebooks auf Ihren Data Science Virtual Machines finden Sie im Abschnitt Zugreifen auf Jupyter.

Voraussetzungen

Um diese Beispiele ausführen zu können, müssen Sie eine Data Science Virtual Machine für Ubuntu bereitgestellt haben.

Verfügbare Beispiele

Beispielkategorie	BESCHREIBUNG	Standorte
Python (Programmiersprache)	Beispiele, die Szenarien erläutern, wie eine Verbindung mit Azure-basierten Clouddatenspeichern hergestellt wird und wie mit Azure Machine Learning gearbeitet wird. Python (Programmiersprache)	~notebooks
Julia (Programmiersprache)	Bietet eine ausführliche Beschreibung zu Plotten und Deep Learning in Julia. Es wird erläutert, wie C und Python aus Julia aufgerufen werden. Julia (Programmiersprache)	Windows: ~notebooks/Julia_notebooks Linux: ~notebooks/julia
Azure Machine Learning	Veranschaulicht, wie Machine Learning-Modelle und Deep Learning-Modelle mit Machine Learning erstellt werden. Stellen Sie die Modelle an beliebigen Speicherorten bereit. Verwenden Sie automatisiertes maschinelles Lernen und intelligente Optimierung von Hyperparametern. Nutzen Sie die Modellverwaltung und verteiltes Training. Machine Learning	~notebooks/AzureML
PyTorch-Notebooks	Deep Learning-Beispiele, die neuronale Netze auf der Grundlage von PyTorch verwenden. Mit Notebooks von Einsteiger- bis zu fortgeschrittenen Szenarien. PyTorch-Notebooks	~notebooks/Deep_learning_frameworks/pytorch
TensorFlow	Verschiedene Beispiele und Techniken für neuronale Netzwerke, die mit dem TensorFlow-Framework implementiert werden. TensorFlow	~notebooks/Deep_learning_frameworks/tensorflow
H2O	Python-basierte Beispiele, die H2O für praxisorientierte Aufgabenstellungen verwenden. H2O	~notebooks/h2o
SparkML (Programmiersprache)	Beispiele, in denen Features des Apache Spark MLLib-Toolkits über pySpark und MMLSpark verwendet werden: Microsoft Machine Learning für Apache Spark in Apache Spark 2.x. SparkML (Programmiersprache)	~notebooks/SparkML/pySpark ~notebooks/MMLSpark
XGBoost	Standardmäßige Machine Learning-Beispiele in XGBoost – z. B. Klassifizierung und Regression. XGBoost	Windows: \dsvm\samples\xgboost\demo

Zugreifen auf Jupyter

Um auf Jupyter zuzugreifen, wählen Sie das Jupyter-Symbol auf dem Desktop oder im Anwendungsmenü aus. Sie können auch auf Jupyter in einer Linux-Edition einer DSVM zugreifen. Um remote aus einem Webbrowser zuzugreifen, besuchen Sie https://<Full Domain Name or IP Address of the DSVM>:8000 unter Ubuntu.

Wenn Sie Ausnahmen hinzufügen und Jupyter-Zugriff über einen Browser verfügbar machen möchten, verwenden Sie diese Anleitung:

Melden Sie sich mit demselben Kennwort an, das Sie für Data Science Virtual Machine-Anmeldungen verwenden.

Jupyter-Startseite

R-Sprache

Python (Programmiersprache)

Julia (Programmiersprache)

Azure Machine Learning

PyTorch

TensorFlow

H2O

SparkML

XGBoost