Exemples sur Data Science Virtual Machine
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_notebooksLinux : ~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 :
Connectez-vous avec le mot de passe que vous utilisez pour vous connecter à la machine Data Science Virtual Machine.
Page d’accueil de Jupyter
Langage R
Langage Python
Langage Julia
Azure Machine Learning
PyTorch
TensorFlow
H2O
SparkML
XGBoost
