Linux ve Windows için Azure Veri Bilimi Sanal Makinesi nedir?
Veri Bilimi Sanal Makinesi (DSVM), Azure bulut platformunda veri bilimi yapmak için özel olarak oluşturulmuş özelleştirilmiş bir VM görüntüsüdür. Gelişmiş analiz için akıllı uygulamalar oluşturmaya hemen başlamak için önceden yüklenmiş ve önceden yapılandırılmış birçok popüler veri bilimi aracına sahiptir.
DSVM şu tarihinde kullanılabilir:
- Windows Server 2019
- Ubuntu 18.04 LTS
- Ubuntu 20.04 LTS
Azure Machine Learning ile karşılaştırma
DSVM, Veri Bilimi için özelleştirilmiş bir VM görüntüsüdür ancak Azure Machine Learning (AzureML) aşağıdakileri kapsayan uçtan uca bir platformdur:
- Tam Olarak Yönetilen İşlem
- İşlem Örnekleri
- Dağıtılmış ML görevleri için İşlem Kümeleri
- Gerçek zamanlı puanlama için Çıkarım Kümeleri
- Veri depoları (örneğin Blob, ADLS 2. Nesil, SQL DB)
- Deneme izleme
- Model yönetimi
- Notebooks
- Ortamlar (conda ve R bağımlılıklarını yönetme)
- Etiketleme
- Pipelines (Uçtan Uca Veri bilimi iş akışlarını otomatikleştirme)
AzureML İşlem Örnekleri ile karşılaştırma
Azure Machine Learning İşlem Örnekleri tam olarak yapılandırılmış ve yönetilen bir VM görüntüsüyken DSVM yönetilmeyen bir VM'dir.
Bu iki ürün teklifi arasındaki temel farklar aşağıda ayrıntılı olarak açıklenmiştir:
| Özellik | Veri Bilimi VM |
AzureML İşlem Örneği |
|---|---|---|
| Tam Olarak Yönetilen | Hayır | Yes |
| Dil Desteği | Python, R, Julia, SQL, C#, Java, Node.js, F # |
Python ve R |
| Operating System | Ubuntu Windows |
Ubuntu |
| Önceden Yapılandırılmış GPU Seçeneği | Yes | Yes |
| Ölçeği artırma seçeneği | Yes | Yes |
| SSH Erişimi | Yes | Yes |
| RDP Erişimi | Yes | Hayır |
| Yerleşik Barındırılan Not Defterleri |
No (ek yapılandırma gerektirir) |
Yes |
| Yerleşik SSO | No (ek yapılandırma gerektirir) |
Yes |
| Yerleşik İşbirliği | Hayır | Yes |
| Önceden yüklenmiş Araçlar | Jupyter(lab), RStudio Server, VSCode, Visual Studio, PyCharm, Juno, Power BI Desktop, SSMS, Microsoft Office 365, Apache Drill |
Jupyter(laboratuvar) RStudio Server |
Kullanım örnekleri
Aşağıda DSVM müşterileri için bazı yaygın kullanım örneklerini göstereceğiz.
Kısa süreli deneme ve değerlendirme
DSVM'yi kullanarak yeni veri bilimi araçlarını değerlendirebilir veya öğrenebilirsiniz, özellikle de yayımlanan örneklerimizden ve kılavuzlarımızdan bazılarını gözden geçirerek.
GPU'larla derin öğrenme
DSVM'de eğitim modelleriniz, grafik işleme birimlerini (GPU) temel alan donanımlarda derin öğrenme algoritmaları kullanabilir. DSVM, Azure platformunun VM ölçeklendirme özelliklerinden yararlanarak bulutta gpu tabanlı donanımı ihtiyaçlarınıza göre kullanmanıza yardımcı olur. Büyük modelleri eğitirken veya aynı işletim sistemi diskini kullanıp yüksek hızlı hesaplamalar yapmaya gerek duyduğunuzda GPU tabanlı bir VM’ye geçiş yapabilirsiniz. DSVM ile N serisi GPU'ların etkinleştirildiği sanal makine SKU'larından herhangi birini seçebilirsiniz. Not GPU özellikli sanal makine SKU'ları Azure ücretsiz hesaplarında desteklenmez.
DSVM'nin Windows sürümleri GPU sürücüleri, çerçeveleri ve derin öğrenme çerçevelerinin GPU sürümleriyle önceden yüklenmiş olarak gelir. Linux sürümlerinde, Ubuntu DSVM'lerinde GPU'lar üzerinde derin öğrenme etkinleştirilir.
DSVM'nin Ubuntu veya Windows sürümlerini GPU'ları temel almamış bir Azure sanal makinesine de dağıtabilirsiniz. Bu durumda tüm derin öğrenme çerçeveleri CPU moduna geri döner.
Kullanılabilir derin öğrenme ve yapay zeka çerçeveleri hakkında daha fazla bilgi edinin.
Veri bilimi eğitimi
Veri bilimi dersi veren kurumsal eğitmenler genellikle bir sanal makine görüntüsü sağlar. Görüntü, öğrencilerin tutarlı bir kuruluma sahip olmasını ve örneklerin tahmin edilebilir şekilde çalışmasını sağlar.
DSVM, destek ve uyumsuzluk zorluklarını kolaylaştıran tutarlı bir kurulumla isteğe bağlı bir ortam oluşturur. Başta daha kısa eğitim sınıfları olmak üzere bu ortamların sıklıkla oluşturulması gereken durumlar önemli ölçüde avantajlıdır.
DSVM'ye neler dahildir?
Burada hem Windows hem de Linux DSVM'lerindeki araçların tam listesine bakın.
Sonraki adımlar
Şu makalelerle daha fazla bilgi edinin: