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.
As Máquinas Virtuais de Ciência de Dados do Azure (DSVMs) possuem um rico conjunto de ferramentas e bibliotecas para aprendizado de máquina. Esses recursos estão disponíveis em linguagens populares, como Python, R e Julia.
O DSVM oferece suporte a estas ferramentas e bibliotecas de aprendizado de máquina:
SDK do Azure Machine Learning para Python
Para obter uma referência completa, visite SDK do Azure Machine Learning para Python.
| Categoria | Valor |
|---|---|
| O que é? | Você pode usar o serviço de nuvem Azure Machine Learning para desenvolver e implantar modelos de aprendizado de máquina. Você pode usar o Python SDK para rastrear seus modelos à medida que você os cria, treina, dimensiona e gerencia. Implante modelos como contêineres e execute-os na nuvem, no local ou no Azure IoT Edge. |
| Edições compatíveis | Windows (ambiente do conda: AzureML), Linux (ambiente do conda: py36) |
| Usos típicos | Plataforma de machine learning geral |
| Como é configurado ou instalado? | Instalada com o suporte a GPU |
| Como usá-lo ou executá-lo | Como um SDK do Python e na CLI do Azure. Ative para o ambiente conda AzureML na edição Windows ou ative para py36 na edição Linux. |
| Link para exemplos | Encontre exemplos de notebooks Jupyter no diretório AzureML, em notebooks. |
H2O
| Categoria | Valor |
|---|---|
| O que é? | Uma plataforma de IA de código aberto que oferece suporte ao aprendizado de máquina distribuído, rápido, na memória e escalável. |
| Versões com suporte | Linux |
| Usos típicos | Machine learning de uso geral, escalonável e distribuído |
| Como é configurado ou instalado? | O H2O é instalado em /dsvm/tools/h2o. |
| Como usá-lo ou executá-lo | Conecte-se à VM com X2Go. Inicie um novo terminal e execute java -jar /dsvm/tools/h2o/current/h2o.jar. Em seguida, inicie um navegador da web e conecte-se ao http://localhost:54321. |
| Link para exemplos | Encontre amostras na VM no Jupyter, no diretório h2o. |
Existem várias outras bibliotecas de aprendizado de máquina em DSVMs - por exemplo, o popular pacote scikit-learn que faz parte da distribuição Anaconda Python para DSVMs. Para obter uma lista de pacotes disponíveis em Python, R e Julia, execute os respectivos gerenciadores de pacotes.
LightGBM
| Categoria | Valor |
|---|---|
| O que é? | Uma estrutura de gradient boosting (GBDT, GBRT, GBM ou MART) rápida, distribuída e de alto desempenho com base em algoritmos de árvore de decisão. Tarefas de aprendizado de máquina - classificação, classificação, etc. - use-o. |
| Versões com suporte | Windows, Linux |
| Usos típicos | Estrutura de aumento de gradiente de finalidade geral |
| Como é configurado ou instalado? | LightGBM é instalado como um pacote Python no Windows. No Linux, o executável da linha de comando está localizado em /opt/LightGBM/lightgbm. O pacote R é instalado e os pacotes Python são instalados. |
| Link para exemplos | Guia LightGBM |
Rattle
| Categoria | Valor |
|---|---|
| O que é? | Uma interface gráfica de usuário para mineração de dados que usa R. |
| Edições compatíveis | Windows, Linux |
| Usos típicos | Ferramenta de mineração de dados da Interface do Usuário geral para R |
| Como usá-lo ou executá-lo | Como uma ferramenta de interface do usuário. No Windows, inicie um prompt de comando, execute o R e, em seguida, dentro do R, execute rattle(). No Linux, conecte-se ao X2Go, inicie um terminal, execute o R e, em seguida, dentro do R, execute rattle(). |
| Link para exemplos | Rattle |
Vowpal Wabbit
| Categoria | Valor |
|---|---|
| O que é? | Uma biblioteca de sistema de aprendizado rápida, de software livre e fora do núcleo |
| Edições compatíveis | Windows, Linux |
| Usos típicos | Biblioteca de machine learning geral |
| Como é configurado ou instalado? | Windows: instalador MSI Linux: apt-get |
| Como usá-lo ou executá-lo | Como uma ferramenta de linha de comando no caminho (C:\Program Files\VowpalWabbit\vw.exe no Windows, /usr/bin/vw no Linux) |
| Link para exemplos | Exemplos de VowPal Wabbit |
Weka
| Categoria | Valor |
|---|---|
| O que é? | Uma coleção de algoritmos de machine learning para tarefas de mineração de dados. Você pode aplicar os algoritmos diretamente ou chamá-los de seu próprio código Java. Weka contém ferramentas para o pré-processamento, classificação, regressão, clustering, regras de associação e visualização de dados. |
| Edições compatíveis | Windows, Linux |
| Usos típicos | Ferramenta de machine learning geral |
| Como usá-lo ou executá-lo | No Windows, pesquise Weka no menu Iniciar. No Linux, entre com X2Go e, em seguida, vá para Aplicativos>Desenvolvimento>Weka. |
| Link para exemplos | Exemplos de Weka |
XGBoost
| Categoria | Valor |
|---|---|
| O que é? | Uma biblioteca de aumento de gradiente rápida, portátil e distribuída (GBDT, GBRT ou GBM) para Python, R, Java, Scala, C++ e outros. Executa em apenas um computador, no Apache Hadoop e no Spark. |
| Edições compatíveis | Windows, Linux |
| Usos típicos | Biblioteca de machine learning geral |
| Como é configurado ou instalado? | Instalada com o suporte a GPU |
| Como usá-lo ou executá-lo | Como uma biblioteca Python (2.7 e 3.6+), pacote R e em ferramenta de linha de comando do caminho (C:\dsvm\tools\xgboost\bin\xgboost.exe para Windows e /dsvm/tools/xgboost/xgboost para Linux) |
| Links para exemplos | Exemplos são incluídos na VM, em /dsvm/tools/xgboost/demo no Linux e em C:\dsvm\tools\xgboost\demo no Windows. |