Примеры для Виртуальных машин для обработки и анализа данных Azure

Статья
06/01/2023

Виртуальные машины для обработки и анализа данных Azure (DSVM) включают комплексный набор примеров кода. Эти примеры содержат записные книжки и сценарии Jupyter на таких языках, как Python и R.

Примечание

Дополнительные сведения о том, как запустить записные книжки Jupyter на виртуальных машинах для обработки и анализа данных, см. в разделе Доступ к Jupyter.

Предварительные требования

Для выполнения этих примеров необходимо подготовить виртуальную машину Ubuntu для обработки и анализа данных.

Доступные примеры

Категории примеров	Описание	Расположения
Язык Python	В примерах рассматриваются такие сценарии, как подключение к облачным хранилищам данных на основе Azure и работа с Машинным обучением Azure. Язык Python	`~notebooks`
Язык Julia	Содержит подробное описание построения и глубокого обучения на языке Julia. Кроме того, объясняется, как вызывать сценарии на C и Python из сценариев Julia. Язык Julia	Windows: `~notebooks/Julia_notebooks` Linux: `~notebooks/julia`
Машинное обучение Azure	Создавайте модели машинного обучения и глубокого обучения с помощью службы машинного обучения. Модели можно развертывать в любом расположении. Используйте автоматическое машинное обучение и интеллектуальную настройку гиперпараметров. Вы также можете использовать управление моделями и распределенное обучение. Машинное обучение	`~notebooks/AzureML`
Записные книжки PyTorch	Примеры глубокого обучения, использующие нейронные сети на основе PyTorch. Записные книжки есть как для базовых, так и для расширенных сценариев. Записные книжки PyTorch	`~notebooks/Deep_learning_frameworks/pytorch`
TensorFlow	Различные примеры и методы нейронной сети, реализованные с помощью платформы TensorFlow. TensorFlow;	`~notebooks/Deep_learning_frameworks/tensorflow`
H2O	Примеры на основе Python, в которых используется H2O, для практических сценариев по решению проблем. H2O	`~notebooks/h2o`
Язык SparkML	Примеры использования функций набора средств MLlib Apache Spark с помощью pySpark и MMLSpark: машинное обучение Microsoft для Apache Spark 2.x. Язык SparkML	`~notebooks/SparkML/pySpark` `~notebooks/MMLSpark`
XGBoost;	Примеры стандартного машинного обучения в XGBoost для сценариев классификации, регрессии и т. д. XGBoost	Windows: `\dsvm\samples\xgboost\demo`

Доступ к Jupyter

Доступ к Jupyter можно получить, щелкнув значок Jupyter на рабочем столе или в меню приложения. Также можно получить доступ к Jupyter с помощью Linux Edition виртуальной машины для обработки и анализа данных. Для удаленного доступа из веб-браузера перейдите к https://<Full Domain Name or IP Address of the DSVM>:8000 в Ubuntu.

Чтобы добавить исключения и получить доступ к Jupyter через браузер, ознакомьтесь со следующим руководством:

Добавление исключения Jupyter