Exemplos no Azure Data Science Máquinas Virtuais
O Azure Data Science Máquinas Virtuais (DSVMs) inclui um conjunto abrangente de código de exemplo. Estes exemplos incluem blocos de notas e scripts do Jupyter em linguagens como Python e R.
Nota
Para obter mais informações sobre como executar blocos de notas jupyter nas suas máquinas virtuais de ciência de dados, consulte a secção Aceder ao Jupyter .
Pré-requisitos
Para executar estes exemplos, tem de ter aprovisionado uma Máquina Virtual de Ciência de Dados do Ubuntu.
Exemplos disponíveis
Categoria de exemplos | Descrição | Localizações |
---|---|---|
Linguagem Python | Os exemplos explicam cenários como ligar-se a arquivos de dados na cloud baseados no Azure e como trabalhar com o Azure Machine Learning. Linguagem Python |
~notebooks |
Linguagem Julia | Fornece uma descrição detalhada de representação e aprendizagem profunda em Júlia. Também explica como chamar C e Python a partir de Júlia. Linguagem Julia |
Windows: ~notebooks/Julia_notebooks Linux: ~notebooks/julia |
Azure Machine Learning | Ilustra como criar modelos de machine learning e aprendizagem profunda com o Machine Learning. Implementar modelos em qualquer lugar. Utilize machine learning automatizado e otimização inteligente de hiperparâmetros. Utilize também a gestão de modelos e a preparação distribuída. Machine Learning |
~notebooks/AzureML |
Blocos de notas do PyTorch | Exemplos de aprendizagem profunda que utilizam redes neurais baseadas em PyTorch. Os blocos de notas variam entre cenários principiantes e avançados. Blocos de notas do PyTorch |
~notebooks/Deep_learning_frameworks/pytorch |
TensorFlow | Uma variedade de amostras e técnicas de rede neural implementadas com a arquitetura TensorFlow. TensorFlow |
~notebooks/Deep_learning_frameworks/tensorflow |
H2O | Exemplos baseados em Python que utilizam H2O para cenários de problemas do mundo real. H2O |
~notebooks/h2o |
Idioma do SparkML | Exemplos que utilizam funcionalidades do toolkit MLLib do Apache Spark através de pySpark e MMLSpark: Microsoft Machine Learning para Apache Spark no Apache Spark 2.x. Idioma do SparkML |
~notebooks/SparkML/pySpark ~notebooks/MMLSpark |
XGBoost | Exemplos de machine learning padrão no XGBoost para cenários como classificação e regressão. XGBoost |
Windows: \dsvm\samples\xgboost\demo |
Aceder ao Jupyter
Para aceder ao Jupyter, selecione o ícone do Jupyter no menu de ambiente de trabalho ou aplicação. Também pode aceder ao Jupyter numa edição do Linux de uma DSVM. Para aceder remotamente a partir de um browser, aceda a https://<Full Domain Name or IP Address of the DSVM>:8000
Ubuntu.
Para adicionar exceções e disponibilizar o acesso do Jupyter através de um browser, utilize a seguinte documentação de orientação:
Inicie sessão com a mesma palavra-passe que utiliza para iniciar sessão no Máquina Virtual de Ciência de Dados.
Casa do Jupyter