Microsoft annoncerer tilgængeligheden af ​​Linux Data Science Virtual Machine på Azure-markedet

Ikon for læsetid 2 min. Læs


Læsere hjælper med at understøtte MSpoweruser. Vi får muligvis en kommission, hvis du køber via vores links. Værktøjstip-ikon

Læs vores oplysningsside for at finde ud af, hvordan du kan hjælpe MSPoweruser med at opretholde redaktionen Læs mere

Azure-logo

Microsoft Data Science Virtual Machine er et Azure Virtual Machine (VM)-billede, der er forudinstalleret og konfigureret med flere populære værktøjer, der almindeligvis bruges til dataanalyse og maskinlæring. Nogle af de inkluderede værktøjer er Microsoft R Server Developer Edition, Anaconda Python-distribution, Azure SDK og mere. Microsoft annoncerede i dag tilgængeligheden af ​​Linux Data Science Virtual Machine på Azure-markedet. Dette brugerdefinerede VM-billede er bygget på den OpenLogic CentOS-baserede Linux version 7.2. Find listen over værktøjer, der er forudinstalleret og prækonfigureret på Linux Data Science Virtual Machine nedenfor,

  • Microsoft R Åbn (med Intel Math Kernel Library).
  • Anaconda Python Distribution med Python 2.7 og 3.5.
  • Jupyter Notebooks med Python og R-kerne til browserbaseret dataudforskning og udvikling.
  • Azure-værktøjer: Azure Command Line Interface til styring af Azure-ressourcer, Azure Storage Explorer til at arbejde med Azure Blobs.
  • En lokal Postgres-databaseinstans.
  • Maskinlæringsværktøjer:
    • Azure ML: Produktioniser R- og Python-modeller bygget lokalt på VM'en til vores skybaserede Azure ML-tjeneste gennem forudinstallerede biblioteker.
    • Computational Network Toolkit (CNTK): En deep learning-software fra Microsoft Research.
    • Vowpal Wabbit: Et ML-system, der understøtter teknikker såsom online, hashing, allreduce, reduktioner, learning2search, aktiv og interaktiv læring.
    • XGBoost: Et værktøj, der giver hurtig og præcis boostet træimplementering.
    • Rangle (R Analytical Tool To Learn Easily): Et GUI-værktøj, der gør det meget nemt at komme i gang med dataanalyse i R, med grafisk dataudforskning, ML-modeller og R-kodegenerering.
  • Udviklingsværktøjer: Azure SDK i Java, Python, Node.js, Ruby, PHP; Eclipse IDE med Azure Toolkit plugin; kodeeditorer som vim, gedit og Emacs (med ESS, auctex-tilføjelser); SQL Server-drivere og kommandolinjeværktøjer som bcp (Bulk Copy), sqlcmd (tekstbaseret SQL Server-forespørgselsværktøj); SQuirreL SQL grafisk klient for at få adgang til forskellige databaser.
  • Fjernadgang på tekstgrænseflade gennem en SSH-klient (som PuTTY eller ssh-kommando) eller på et grafisk skrivebord (kræver separat engangsinstallation af X2Go på din klientmaskine).

Læs mere om det link..

Mere om emnerne: Azure Marketplace, Linux Data Science Virtual Machine, machine learning, microsoft

Giv en kommentar

Din e-mail adresse vil ikke blive offentliggjort. Krævede felter er markeret *