Przykłady dotyczące usługi Azure Data Science Virtual Machines

Artykuł
06/01/2023

Usługa Azure Data Science Virtual Machines (DSVM) zawiera kompleksowy zestaw przykładowego kodu. Przykłady te obejmują notesy i skrypty jupyter w językach takich jak Python i R.

Uwaga

Aby uzyskać więcej informacji na temat uruchamiania notesów Jupyter na maszynach wirtualnych do nauki o danych, zobacz sekcję Access Jupyter (Uzyskiwanie dostępu do programu Jupyter ).

Wymagania wstępne

Aby można było uruchomić te przykłady, musisz aprowizować Data Science Virtual Machine Ubuntu.

Dostępne przykłady

Kategoria przykładów	Opis	Lokalizacje
Język Python	Przykłady wyjaśniają scenariusze, takie jak nawiązywanie połączenia z magazynami danych w chmurze opartymi na platformie Azure i jak pracować z usługą Azure Machine Learning. Język Python	`~notebooks`
Język Julia	Zawiera szczegółowy opis kreślenia i uczenia głębokiego w Julii. Wyjaśniono również, jak wywoływać języki C i Python z julii. Język Julia	W systemie Windows: `~notebooks/Julia_notebooks` W systemie Linux: `~notebooks/julia`
Azure Machine Learning	Ilustruje sposób tworzenia modeli uczenia maszynowego i uczenia głębokiego przy użyciu uczenia maszynowego. Wdrażanie modeli w dowolnym miejscu. Użyj zautomatyzowanego uczenia maszynowego i inteligentnego dostrajania hiperparametrów. Używaj również zarządzania modelami i trenowania rozproszonego. Usługa Machine Learning	`~notebooks/AzureML`
Notesy PyTorch	Przykłady uczenia głębokiego korzystające z sieci neuronowych opartych na protokole PyTorch. Notesy obejmują od początkujących do zaawansowanych scenariuszy. Notesy PyTorch	`~notebooks/Deep_learning_frameworks/pytorch`
TensorFlow	Różne przykłady i techniki sieci neuronowych implementowane przy użyciu struktury TensorFlow. TensorFlow	`~notebooks/Deep_learning_frameworks/tensorflow`
H2O	Przykłady oparte na języku Python, które używają funkcji H2O w rzeczywistych scenariuszach problemów. H2O	`~notebooks/h2o`
Język SparkML	Przykłady korzystające z funkcji zestawu narzędzi Apache Spark MLLib za pośrednictwem narzędzi pySpark i MMLSpark: Microsoft Machine Learning for Apache Spark on Apache Spark 2.x. Język SparkML	`~notebooks/SparkML/pySpark` `~notebooks/MMLSpark`
XGBoost	Standardowe przykłady uczenia maszynowego w biblioteki XGBoost dla scenariuszy takich jak klasyfikacja i regresja. XGBoost	W systemie Windows: `\dsvm\samples\xgboost\demo`

Uzyskiwanie dostępu do programu Jupyter

Aby uzyskać dostęp do aplikacji Jupyter, wybierz ikonę Jupyter w menu pulpitu lub aplikacji. Możesz również uzyskać dostęp do programu Jupyter w wersji systemu Linux maszyny DSVM. Aby uzyskać zdalny dostęp z przeglądarki internetowej, przejdź do https://<Full Domain Name or IP Address of the DSVM>:8000 strony w systemie Ubuntu.

Aby dodać wyjątki i udostępnić dostęp programu Jupyter za pośrednictwem przeglądarki, skorzystaj z następujących wskazówek:

Włączanie wyjątku programu Jupyter