Nota
O acesso a esta página requer autorização. Podes tentar iniciar sessão ou mudar de diretório.
O acesso a esta página requer autorização. Podes tentar mudar de diretório.
As Máquinas Virtuais de Ciência de Dados (DSVMs) do Azure têm um conjunto avançado de ferramentas e bibliotecas para aprendizado de máquina. Esses recursos estão disponíveis em linguagens populares, como Python, R e Julia.
A DSVM suporta estas ferramentas e bibliotecas de aprendizagem automática:
SDK do Azure Machine Learning para Python
Para obter uma referência completa, visite SDK do Azure Machine Learning para Python.
| Categoria | Value |
|---|---|
| O que é? | Você pode usar o serviço de nuvem do Azure Machine Learning para desenvolver e implantar modelos de aprendizado de máquina. Você pode usar o SDK do Python para acompanhar seus modelos à medida que os cria, treina, dimensiona e gerencia. Implante modelos como contêineres e execute-os na nuvem, no local ou no Azure IoT Edge. |
| Edições suportadas | Windows (ambiente conda: AzureML), Linux (ambiente conda: py36) |
| Utilizações típicas | Plataforma geral de aprendizagem automática |
| Como é configurado ou instalado? | Instalado com suporte a GPU |
| Como usá-lo ou executá-lo | Como um SDK Python e na CLI do Azure. Ative para o ambiente AzureML conda na edição Windows ou ative para py36 na edição Linux. |
| Link para amostras | Encontre exemplos de AzureML blocos de anotações Jupyter no diretório, em blocos de anotações. |
H2O
| Categoria | Value |
|---|---|
| O que é? | Uma plataforma de IA de código aberto que suporta aprendizagem automática distribuída, rápida, na memória e escalável. |
| Versões suportadas | Linux |
| Utilizações típicas | Aprendizagem automática escalável e distribuída de uso geral |
| Como é configurado ou instalado? | O H2O está instalado em /dsvm/tools/h2o. |
| Como usá-lo ou executá-lo | Conecte-se à VM com o 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 amostras | Encontre exemplos na VM no Jupyter, sob o h2o diretório. |
Existem várias outras bibliotecas de aprendizado de máquina em DSVMs - por exemplo, o pacote popular 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 respetivos gerenciadores de pacotes.
LightGBM
| Categoria | Value |
|---|---|
| O que é? | Uma estrutura rápida, distribuída e de alto desempenho para aumento de gradiente (GBDT, GBRT, GBM ou MART) baseada em algoritmos de árvore de decisão. Tarefas de aprendizagem automática - classificação, classificação, etc. - usá-lo. |
| Versões suportadas | Windows, Linux |
| Utilizações típicas | Estrutura de aumento de gradiente de uso geral |
| Como é configurado ou instalado? | LightGBM é instalado como um pacote Python no Windows. No Linux, o executável de linha de comando está localizado em /opt/LightGBM/lightgbm. O pacote R está instalado e os pacotes Python estão instalados. |
| Link para amostras | Guia LightGBM |
Rattle
| Categoria | Value |
|---|---|
| O que é? | Uma interface gráfica do usuário para mineração de dados que usa R. |
| Edições suportadas | Windows, Linux |
| Utilizações típicas | Ferramenta geral de mineração de dados da interface do usuário para R |
| Como usá-lo ou executá-lo | Como uma ferramenta de interface do usuário. No Windows, inicie um prompt de comando, execute R e, em seguida, dentro de R, execute rattle(). No Linux, conecte-se ao X2Go, inicie um terminal, execute R e, em seguida, dentro do R, execute rattle(). |
| Link para amostras | Rattle |
Vowpal Wabbit
| Categoria | Value |
|---|---|
| O que é? | Uma biblioteca de sistema de aprendizagem rápida, de código aberto e fora do núcleo |
| Edições suportadas | Windows, Linux |
| Utilizações típicas | Biblioteca geral de aprendizagem automática |
| 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 amostras | Amostras VowPal Wabbit |
Weka
| Categoria | Value |
|---|---|
| O que é? | Uma coleção de algoritmos de aprendizado de máquina para tarefas de mineração de dados. Você pode aplicar os algoritmos diretamente ou chamá-los a partir do seu próprio código Java. O Weka contém ferramentas para pré-processamento, classificação, regressão, clustering, regras de associação e visualização de dados. |
| Edições suportadas | Windows, Linux |
| Utilizações típicas | Ferramenta geral de aprendizagem automática |
| Como usá-lo ou executá-lo | No Windows, procure Weka no menu Iniciar . No Linux, inicie sessão com o X2Go e, em seguida, aceda a Desenvolvimento>de Aplicações>Weka. |
| Link para amostras | Amostras de Weka |
XGBoost
| Categoria | Value |
|---|---|
| O que é? | Uma biblioteca rápida, portátil e distribuída de aumento de gradiente (GBDT, GBRT ou GBM) para Python, R, Java, Scala, C++ e muito mais. Ele é executado em uma única máquina e no Apache Hadoop e Spark. |
| Edições suportadas | Windows, Linux |
| Utilizações típicas | Biblioteca geral de aprendizagem automática |
| Como é configurado ou instalado? | Instalado com suporte a GPU |
| Como usá-lo ou executá-lo | Como uma biblioteca Python (2.7 e 3.6+), pacote R e ferramenta de linha de comando no caminho (C:\dsvm\tools\xgboost\bin\xgboost.exe para Windows e /dsvm/tools/xgboost/xgboost Linux) |
| Links para exemplos | Os exemplos estão incluídos na VM, no /dsvm/tools/xgboost/demo Linux e C:\dsvm\tools\xgboost\demo no Windows. |