Exemples sur Data Science Virtual Machine

2024-09-03

Une machine virtuelle Data Science Virtual Machine (DSVM) Azure inclue un ensemble complet d’exemple de code. Ces exemples incluent des blocs-notes Jupyter et des scripts dans des langages tels que Python et R.

Remarque

Pour plus d’informations sur l’exécution de blocs-notes Jupyter Notebook sur vos machines DSVM, consultez la section Accéder à Jupyter.

Prérequis

Pour exécuter ces exemples, vous devez avoir une Data Science Virtual Machine Ubuntu approvisionnée.

Exemples disponibles

Catégorie d’exemples	Description	Emplacements
Langage Python	Les exemples qui décrivent comment se connecter aux magasins de données cloud basés sur Azure et comment utiliser des scénarios Azure Machine Learning. Langage Python	`~notebooks`
Langage Julia	Fournit une description détaillée du traçage et du Deep Learning dans Julia. Explique comment appeler les langages C et Python à partir de Julia. Langage Julia	Windows : `~notebooks/Julia_notebooks` Linux : `~notebooks/julia`
Azure Machine Learning	Montre comment générer des modèles d’apprentissage automatique et d’apprentissage profond avec Machine Learning. Déployez-les n’importe où. Utilisez le réglage intelligent des hyperparamètres et le réglage Machine Learning automatisé, Utilisez la gestion des modèles et la formation distribuée. Machine Learning	`~notebooks/AzureML`
Blocs-notes PyTorch	Exemples Deep Learning qui utilisent des réseaux neuronaux basés sur PyTorch. La gamme des blocs-notes s’étend des scénarios pour débutants aux scénarios pour utilisateurs avancés. Blocs-notes PyTorch	`~notebooks/Deep_learning_frameworks/pytorch`
TensorFlow	Exemples et techniques de réseau neuronal implémentés avec l’infrastructure TensorFlow. TensorFlow	`~notebooks/Deep_learning_frameworks/tensorflow`
H2O	Exemples basés sur Python qui utilisent H2O pour des scénarios problématiques concrets. H2O	`~notebooks/h2o`
Langage SparkML	Exemples qui utilisent les fonctionnalités du kit de ressources MLlib de Apache Spark via pySpark et MMLSpark : Microsoft Machine Learning pour Apache Spark sur Apache Spark 2.x. Langage SparkML	`~notebooks/SparkML/pySpark` `~notebooks/MMLSpark`
XGBoost	Exemples d’apprentissage automatique standard dans XGBoost : par exemple, la classification et la régression. XGBoost	Windows : `\dsvm\samples\xgboost\demo`

Accéder à Jupyter

Pour accéder à Jupyter, sélectionnez l’icône Jupyter sur le Bureau ou dans le menu de l’application. Vous pouvez également accéder à Jupyter sur une édition Linux d’une machine DSVM. Pour accéder à distance à partir d’un navigateur web, visitez https://<Full Domain Name or IP Address of the DSVM>:8000 sur Ubuntu.

Pour ajouter des exceptions et rendre l’accès à Jupyter disponible via un navigateur, utilisez ces conseils :

Activation d’une exception Jupyter