Nota
El acceso a esta página requiere autorización. Puede intentar iniciar sesión o cambiar directorios.
El acceso a esta página requiere autorización. Puede intentar cambiar los directorios.
Las máquinas virtuales de Ciencia de datos de Azure (DSVM) disponen de un amplio conjunto de herramientas y bibliotecas para el aprendizaje automático. Estos recursos están disponibles en lenguajes populares, como Python, R y Julia.
DSVM admite estas bibliotecas y herramientas de aprendizaje automático:
SDK de Azure Machine Learning para Python
Para obtener una referencia completa, visite SDK de Azure Machine Learning para Python.
| Category | Value |
|---|---|
| ¿Qué es? | Puede usar el servicio en la nube de Azure Machine Learning para desarrollar e implementar modelos de aprendizaje automático. Puede usar el SDK de Python para realizar un seguimiento de los modelos a medida que compila, entrena, escala y administra los modelos. Implemente modelos como contenedores y ejecútelos en la nube, de forma local o en Azure IoT Edge. |
| Ediciones compatibles | Windows (entorno de conda: AzureML), Linux (entorno de conda: py36) |
| Usos típicos | Plataforma de aprendizaje automático general |
| ¿Cómo se configura o instala? | Se instala con la compatibilidad de GPU |
| ¿Cómo se usa o ejecuta? | Como un SDK de Python y en la CLI de Azure. Activar al entorno conda AzureML en la edición Windows o activar la edición py36 a en la edición Linux. |
| Vínculos a ejemplos | Busque cuadernos de Jupyter Notebook de ejemplo en el directorio AzureML, en cuadernos. |
H2O
| Category | Value |
|---|---|
| ¿Qué es? | Una plataforma de inteligencia artificial de código abierto que admite el aprendizaje automático escalable distribuido, rápido, en memoria. |
| Versiones compatibles | Linux |
| Usos típicos | Aprendizaje automático escalable y distribuido de uso general |
| ¿Cómo se configura o instala? | H2O se instala en /dsvm/tools/h2o. |
| ¿Cómo se usa o ejecuta? | Conéctese a la máquina virtual con X2Go. Inicie un nuevo terminal y ejecute java -jar /dsvm/tools/h2o/current/h2o.jar. Luego, inicie un explorador web y conéctese a http://localhost:54321. |
| Vínculos a ejemplos | Busque ejemplos en la máquina virtual en Jupyter, en el directorio h2o. |
Hay otras bibliotecas de aprendizaje automático en DSVM; por ejemplo, el popular paquete scikit-learn que forma parte de la distribución de Python de Anaconda para DSVM. Para obtener una lista de los paquetes disponibles en Python, R y Julia, ejecute los administradores de paquetes respectivos.
LightGBM
| Category | Value |
|---|---|
| ¿Qué es? | Un marco de potenciación del gradiente (GBDT, GBRT, GBM o MART) rápido, distribuido y de alto rendimiento, basado en algoritmos de árbol de decisión. Tareas de aprendizaje automático: clasificación, clasificación, etc., úsela. |
| Versiones compatibles | Windows, Linux |
| Usos típicos | Marco de potenciación del gradiente de uso general |
| ¿Cómo se configura o instala? | LightGBM se instala como un paquete de Python en Windows. En Linux, el ejecutable de la línea de comandos se encuentra en /opt/LightGBM/lightgbm. El paquete de R está instalado y se instalan los paquetes de Python. |
| Vínculos a ejemplos | Guía de LightGBM |
Rattle
| Category | Value |
|---|---|
| ¿Qué es? | Interfaz gráfica de usuario para la minería de datos que usa R. |
| Ediciones compatibles | Windows, Linux |
| Usos típicos | Herramienta general de minería de datos de la IU para R |
| ¿Cómo se usa o ejecuta? | Como herramienta de interfaz de usuario. En Windows, inicie un símbolo del sistema, ejecute R y, dentro de R, ejecute rattle(). En Linux, conéctese a X2Go, inicie un terminal, ejecute R y, dentro de R, ejecute rattle(). |
| Vínculos a ejemplos | Rattle |
Vowpal Wabbit
| Category | Value |
|---|---|
| ¿Qué es? | Una biblioteca de sistema de aprendizaje rápida, de código abierto y situada fuera de núcleo |
| Ediciones compatibles | Windows, Linux |
| Usos típicos | Biblioteca de aprendizaje automático general |
| ¿Cómo se configura o instala? | Windows: instalador msi Linux: apt-get |
| ¿Cómo se usa o ejecuta? | Como una herramienta de línea de comandos de ruta de acceso (C:\Program Files\VowpalWabbit\vw.exe en Windows y /usr/bin/vw en Linux) |
| Vínculos a ejemplos | Ejemplos de VowPal Wabbit |
Weka
| Category | Value |
|---|---|
| ¿Qué es? | Una colección de algoritmos de aprendizaje automático para las tareas de minería de datos. Puede aplicar los algoritmos directamente o llamarlos desde su propio código Java. Weka contiene herramientas para el preprocesamiento, la clasificación, la regresión, la agrupación en clústeres, las reglas de asociación y la visualización de datos. |
| Ediciones compatibles | Windows, Linux |
| Usos típicos | Herramienta de aprendizaje automático general |
| ¿Cómo se usa o ejecuta? | En Windows, busque Weka en el menú Inicio. En Linux, inicie sesión con X2Go y, a continuación, vaya a Applications (Aplicaciones)>Development (Desarrollo)>Weka. |
| Vínculos a ejemplos | Ejemplos de Weka |
XGBoost
| Category | Value |
|---|---|
| ¿Qué es? | Una biblioteca de potenciación del gradiente (GBDT, GBRT o GBM) rápida, portátil y distribuida para Python, R, Java, Scala, C++, etc. Se ejecuta en una única máquina, y en Apache Hadoop y Spark. |
| Ediciones compatibles | Windows, Linux |
| Usos típicos | Biblioteca de aprendizaje automático general |
| ¿Cómo se configura o instala? | Se instala con la compatibilidad de GPU |
| ¿Cómo se usa o ejecuta? | Como biblioteca de Python (2.7 y 3.6+), paquete de R y en la herramienta de línea de comandos de ruta de acceso (C:\dsvm\tools\xgboost\bin\xgboost.exe para Windows y /dsvm/tools/xgboost/xgboost para Linux) |
| Vínculos a ejemplos | Se incluyen ejemplos en la máquina virtual, en /dsvm/tools/xgboost/demo en Linux y C:\dsvm\tools\xgboost\demo en Windows. |