Observação
O acesso a essa página exige autorização. Você pode tentar entrar ou alterar diretórios.
O acesso a essa página exige autorização. Você pode tentar alterar os diretórios.
Uma DSVM (Máquina Virtual de Ciência de Dados) do Azure inclui um conjunto abrangente de códigos de exemplo. Esses exemplos incluem notebooks e scripts do Jupyter em linguagens como Python e R.
Observação
Para obter mais informações sobre como executar notebooks do Jupyter nas suas máquinas virtuais de ciência de dados, confira a seção Acessar o Jupyter.
Pré-requisitos
Para executar essas amostras, você precisa ter provisionado uma Máquina Virtual de Ciência de Dados do Ubuntu.
Exemplos disponíveis
| Categoria de exemplos | Descrição | Locais |
|---|---|---|
| Linguagem Python | As amostras que explicam os cenários como se conectar com armazenamentos de dados em nuvem baseados no Azure e como trabalhar com o Azure Machine Learning. Linguagem Python |
~notebooks |
| Linguagem Julia | Fornece uma descrição detalhada de plotagem e aprendizado profundo no Julia. Explica como chamar o C e o Python por meio do Julia. Linguagem Julia |
Windows: ~notebooks/Julia_notebooksLinux: ~notebooks/julia |
| Azure Machine Learning | Ilustra como criar modelos de machine learning e de aprendizagem profunda com o Machine Learning. Implante modelos em qualquer lugar. Use aprendizado de máquina automatizado e ajuste de hiperparâmetro inteligente. Use o gerenciamento de modelos e treinamento distribuído. Machine Learning |
~notebooks/AzureML |
| Notebooks do PyTorch | Exemplos de aprendizagem profunda que usam redes neurais baseadas no PyTorch. Os notebooks vão de cenários iniciantes a avançados. Notebooks do PyTorch |
~notebooks/Deep_learning_frameworks/pytorch |
| TensorFlow | Várias amostras de rede neural e técnicas implementadas com a estrutura TensorFlow. TensorFlow |
~notebooks/Deep_learning_frameworks/tensorflow |
| H2O | Exemplos baseados no Python que usam o H2O para problemas de situações reais. H2O |
~notebooks/h2o |
| Linguagem SparkML | Amostras que usam recursos do kit de ferramentas da MLLib do Apache Spark por meio do pySpark e do MMLSpark: Microsoft Machine Learning para Apache Spark no Apache Spark 2.x. Linguagem SparkML |
~notebooks/SparkML/pySpark~notebooks/MMLSpark |
| XGBoost | Amostras padrão de machine learning no XGBoost, por exemplo, classificação e regressão. XGBoost |
Windows: \dsvm\samples\xgboost\demo |
Acessar o Jupyter
Para acessar o Jupyter, selecione o ícone Jupyter no menu da área de trabalho ou do aplicativo. Você também pode acessar o Jupyter em uma edição do Linux de uma DSVM. Para obter acesso remoto em um navegador da Web, visite https://<Full Domain Name or IP Address of the DSVM>:8000 no Ubuntu.
Para adicionar exceções e disponibilizar o acesso ao Jupyter por meio de um navegador, use estas diretrizes:
Conecte-se com a mesma senha que você usa para os logons na Máquina Virtual de Ciência de Dados.
Página inicial do Jupyter
Linguagem R
Linguagem Python
Linguagem Julia
Azure Machine Learning
PyTorch
TensorFlow
H2O
SparkML
XGBoost
