Azure DSVM(Data Science Virtual Machines)에는 기계 학습을 위한 풍부한 도구 및 라이브러리 집합이 있습니다. 이러한 리소스는 Python, R, Julia 등 널리 사용되는 언어로 제공됩니다.
DSVM은 다음과 같은 컴퓨터 학습 도구 및 라이브러리를 지원합니다.
Python용 Azure Machine Learning SDK
전체 참조를 보려면 Python용 Azure Machine Learning SDK를 참조하세요.
| 범주 |
값 |
| 이것은 무엇인가요? |
Azure Machine Learning 클라우드 서비스를 사용하여 기계 학습 모델을 개발하고 배포할 수 있습니다. Python SDK를 사용하면 모델을 빌드, 학습, 크기 조정 및 관리하면서 모델을 추적할 수 있습니다. 모델을 컨테이너로 배포하고 클라우드, 온-프레미스 또는 Azure IoT Edge에서 실행합니다. |
| 지원되는 버전 |
Windows(Conda 환경: AzureML), Linux(Conda 환경: py36) |
| 일반적인 사용 용도 |
일반 Machine Learning 플랫폼 |
| 구성/설치 방법 |
GPU 지원과 함께 설치됨 |
| 사용/실행 방법 |
Python SDK로 및 Azure CLI에서 사용합니다. Windows 버전에서 conda 환경 AzureML 활성화 또는 Linux 버전에서 py36 활성화를 수행합니다. |
| 샘플에 대한 링크 |
Notebooks 아래의 AzureML 디렉터리에서 샘플 Jupyter Notebooks를 찾습니다. |
H2O
| 범주 |
값 |
| 이것은 무엇인가요? |
분산되고 빠른 메모리 내 확장성 있는 기계 학습을 지원하는 오픈 소스 AI 플랫폼입니다. |
| 지원되는 버전 |
Linux |
| 일반적인 사용 용도 |
범용으로 배포된 확장 가능한 Machine Learning |
| 구성/설치 방법 |
H2O는 /dsvm/tools/h2o에 설치됩니다. |
| 사용/실행 방법 |
X2Go를 사용하여 VM에 연결합니다. 새 터미널을 시작하고 java -jar /dsvm/tools/h2o/current/h2o.jar을 실행합니다. 그런 다음, 웹 브라우저를 시작하고 http://localhost:54321에 연결합니다. |
| 샘플에 대한 링크 |
Jupyter의 h2o 디렉터리 아래 VM에서 샘플을 찾습니다. |
DSVM에는 다른 여러 컴퓨터 학습 라이브러리가 있습니다. 예를 들어, DSVM용 Anaconda Python 배포의 일부인 자주 사용되는 scikit-learn 패키지가 있습니다. Python, R 및 Julia에서 사용 가능한 패키지 목록을 보려면 해당 패키지 관리자를 실행합니다.
LightGBM
| 범주 |
값 |
| 이것은 무엇인가요? |
의사 결정 트리 알고리즘을 기반으로 하는 빠르고 분산된 고성능 경사 부스팅(GBDT, GBRT, GBM 또는 MART) 프레임워크입니다. 기계 학습 작업(순위 지정, 분류 등)에 사용합니다. |
| 지원되는 버전 |
Windows, Linux |
| 일반적인 사용 용도 |
범용 경사 부스팅 프레임워크 |
| 구성/설치 방법 |
LightGBM은 Windows에 Python 패키지로 설치됩니다. Linux에서는 명령줄 실행 파일이 /opt/LightGBM/lightgbm에 있습니다. R 패키지가 설치되고 Python 패키지가 설치됩니다. |
| 샘플에 대한 링크 |
LightGBM 가이드 |
Rattle
| 범주 |
값 |
| 이것은 무엇인가요? |
R을 사용하는 데이터 마이닝용 그래픽 사용자 인터페이스입니다. |
| 지원되는 버전 |
Windows, Linux |
| 일반적인 사용 용도 |
R에 대한 일반 UI 데이터 마이닝 도구 |
| 사용/실행 방법 |
UI 도구로 사용합니다. Windows에서 명령 프롬프트를 시작하고, R을 실행한 후, R 내부에서 rattle()을 실행합니다. Linux에서 X2Go와 연결하여 터미널을 시작하고, R을 실행한 후, R 내부에서 rattle()을 실행합니다. |
| 샘플에 대한 링크 |
Rattle |
Vowpal Wabbit
| 범주 |
값 |
| 이것은 무엇인가요? |
빠른 오픈 소스, 핵심 외 학습 시스템 라이브러리 |
| 지원되는 버전 |
Windows, Linux |
| 일반적인 사용 용도 |
일반 Machine Learning 라이브러리 |
| 구성/설치 방법 |
Windows: msi 설치 프로그램
Linux: apt-get |
| 사용/실행 방법 |
경로 명령줄 도구로(Windows인 경우 C:\Program Files\VowpalWabbit\vw.exe, Linux인 경우 /usr/bin/vw) |
| 샘플에 대한 링크 |
VowPal Wabbit 샘플 |
Weka
| 범주 |
값 |
| 이것은 무엇인가요? |
데이터 마이닝 작업에 대한 Machine Learning 알고리즘의 컬렉션입니다. 알고리즘을 직접 적용하거나 자체 Java 코드에서 호출할 수 있습니다. Weka는 데이터 전처리 작업, 분류, 회귀, 클러스터링, 연결 규칙 및 시각화를 위한 도구를 포함합니다. |
| 지원되는 버전 |
Windows, Linux |
| 일반적인 사용 용도 |
일반 Machine Learning 도구 |
| 사용/실행 방법 |
Windows인 경우 시작 메뉴에서 Weka를 검색하세요. Linux의 경우 X2Go로 로그인한 다음, Applications> Development>Weka로 이동합니다. |
| 샘플에 대한 링크 |
Weka 샘플 |
XGBoost
| 범주 |
값 |
| 이것은 무엇인가요? |
Python, R, Java, Scala, C++ 등을 위한 빠르고 이식 가능하고 분산된 경사 부스팅(GBDT, GBRT, or GBM) 라이브러리입니다. 단일 컴퓨터, Apache Hadoop 및 Spark에서 실행됩니다. |
| 지원되는 버전 |
Windows, Linux |
| 일반적인 사용 용도 |
일반 Machine Learning 라이브러리 |
| 구성/설치 방법 |
GPU 지원과 함께 설치됨 |
| 사용/실행 방법 |
Python 라이브러리(2.7 및 3.6 이상), R 패키지 및 경로 명령줄 도구(Windows의 경우 C:\dsvm\tools\xgboost\bin\xgboost.exe 및 Linux의 경우 /dsvm/tools/xgboost/xgboost)로 사용합니다. |
| 샘플에 대한 링크 |
샘플은 VM에, linux인 경우 /dsvm/tools/xgboost/demo, Windows인 경우 C:\dsvm\tools\xgboost\demo에 포함됩니다. |