Exemples sur Data Science Virtual Machine

Article
06/01/2023

Les machines Azure Data Science Virtual Machine (DSVM) incluent 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.

Notes

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 approvisionné une Data Science Virtual Machine Ubuntu.

Exemples disponibles

Catégorie d’exemples	Description	Emplacements
Langage Python	Les exemples décrivent des scénarios tels que la connexion aux magasins de données cloud basés sur Azure et l’utilisation d’Azure Machine Learning. Langage Python	`~notebooks`
Langage Julia	Fournit une description détaillée du traçage et du Deep Learning dans Julia. Explique également comment appeler les langages C et Python à partir de Julia. Langage Julia	Windows : `~notebooks/Julia_notebooks` Linux : `~notebooks/julia`
Azure Machine Learning	Générez des modèles Machine Learning et d’apprentissage profond avec Machine Learning. Déployez-les n’importe où. Utilisez le réglage intelligent des hyperparamètres et le réglage Machine Learning automatisé, ainsi que 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	Variété d’exemples et techniques de réseau neuronal implémentés à l’aide de 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 utilisant les fonctionnalités de la boîte à outils Apache Spark MLLib 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 pour les scénarios tels que 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, accédez à https://<Full Domain Name or IP Address of the DSVM>:8000 sur Ubuntu.

Pour ajouter des exceptions et permettre l’accès à Jupyter via un navigateur, suivez les instructions suivantes :

Activation d’une exception Jupyter