Co jsou azure Open Datasets a jak je můžete používat?
Datové sady Azure Open Datasets jsou kurátorované veřejné datové sady, které můžete do řešení strojového učení přidat do funkcí specifických pro konkrétní scénáře, a získat tak přesnější modely. Otevřené datové sady jsou dostupné v cloudu v Microsoft Azure. Jsou integrované do Služby Azure Machine Learning a snadno dostupné pro Azure Databricks a Machine Learning Studio (classic). K datovým sadám můžete přistupovat také prostřednictvím rozhraní API a můžete je používat v jiných produktech, jako je Power BI a Azure Data Factory.
Datové sady zahrnují data veřejné domény pro počasí, sčítání lidu, svátky, veřejnou bezpečnost a umístění, které vám pomůžou trénovat modely strojového učení a rozšiřovat prediktivní řešení. Veřejné datové sady můžete také sdílet prostřednictvím Azure Open Datasets.
Kurátorované, připravené datové sady
Kurátorované otevřené veřejné datové sady v Azure Open Datasets jsou optimalizované pro spotřebu v pracovních postupech strojového učení.
Další informace o dostupných datových sadách najdete v prostředku Azure Open Datasets Catalog .
Datoví vědci často tráví většinu času čištěním a přípravou dat na pokročilou analýzu. Abyste ušetřili čas, zkopírují se otevřené datové sady do cloudu Azure a pak se předzpracují. V pravidelných intervalech se data načítá ze zdrojů – například připojením FTP k národní správě oceánu a atmosféry (NOAA). Dále se data analyzují do strukturovaného formátu a podle potřeby jsou rozšířena o funkce, jako je PSČ nebo umístění nejbližších meteorologových stanic.
Datové sady jsou hostované s cloudovými výpočetními prostředky v Azure, aby byl přístup a manipulace jednodušší.
Tady jsou příklady dostupných datových sad:
Data o počasí
| Datová sada | Poznámkové bloky | Popis |
|---|---|---|
| Integrovaná surfaceová data NOAA (ISD) | Azure Notebooks Azure Databricks |
Hodinové údaje o počasí z NOAA po celém světě s nejlepším prostorovým pokrytím v Severní Amerika, Evropě, Austrálii a částech Asie. Aktualizováno denně. |
| Noaa Global Forecast System (GFS) | Azure Notebooks Azure Databricks |
15denní data předpovědi počasí v USA po hodinách od NOAA. Aktualizováno denně. |
Data kalendáře
| Datová sada | Poznámkové bloky | Popis |
|---|---|---|
| Svátcích | Azure Notebooks Azure Databricks |
Údaje o státní svátce po celém světě, které pokrývají 41 národů nebo oblastí od roku 1970 do roku 2099. Zahrnuje zemi nebo oblast a to, jestli většina lidí zaplatila volno. |
Přístup k datovým sadám
Pomocí účtu Azure můžete přistupovat k otevřeným datovým sadám prostřednictvím kódu nebo prostřednictvím rozhraní služby Azure. Data se společně přidělují s cloudovými výpočetními prostředky Azure pro použití v řešeních strojového učení.
Datové sady Open Datasets jsou dostupné prostřednictvím uživatelského rozhraní a sady SDK služby Azure Machine Learning. Open Datasets také poskytují poznámkové bloky Azure a poznámkové bloky Azure Databricks, které můžou připojit data ke službě Azure Machine Learning a Azure Databricks. K datovým sadám můžete získat přístup i prostřednictvím sady Python SDK.
Pro přístup k datovým sadám Open Datasets ale nevyžaduje účet Azure – můžete k nim získat přístup k libovolného prostředí založeného na Pythonu se Sparkem nebo bez něj.
Vyžádání nebo přispívání datových sad
Pokud nemůžete najít požadovaná data, pošlete nám e-mail, abychom požádali o datovou sadu nebo přispěli datovou sadu.