Microsoft anuncia la disponibilidad de la máquina virtual de ciencia de datos de Linux en el mercado de Azure

La máquina virtual de ciencia de datos de Microsoft es una imagen de máquina virtual (VM) de Azure preinstalada y configurada con varias herramientas populares que se usan comúnmente para el análisis de datos y el aprendizaje automático. Algunas de las herramientas incluidas son Microsoft R Server Developer Edition, la distribución Anaconda Python, Azure SDK y más. Microsoft anunció hoy la disponibilidad de Linux Data Science Virtual Machine en el mercado de Azure. Esta imagen de máquina virtual personalizada está construida en la versión 7.2 de Linux basada en OpenLogic CentOS. Encuentre la lista de herramientas que están preinstaladas y preconfiguradas en la máquina virtual de ciencia de datos de Linux a continuación,

• Microsoft R abierto (con Intel Math Kernel Library).
• Distribución Anaconda Python con Python 2.7 y 3.5.
• Jupyter Notebooks con Python y kernel R para exploración y desarrollo de datos basados ​​en navegador.
• Herramientas de Azure: interfaz de línea de comandos de Azure para administrar recursos de Azure, Azure Storage Explorer para trabajar con Azure Blobs.
• Una instancia de base de datos Postgres local.
• Herramientas de aprendizaje automático:
  • Azure ML: produzca modelos R y Python creados localmente en la máquina virtual para nuestro servicio de Azure ML basado en la nube a través de bibliotecas preinstaladas.
  • Kit de herramientas de red computacional (CNTK): Un software de aprendizaje profundo de Microsoft Research.
  • Wabbit Vowpal: un sistema de aprendizaje automático que admite técnicas como en línea, hash, allreduce, reducciones, learning2search, aprendizaje activo e interactivo.
  • XGBoost: Una herramienta que proporciona una implementación rápida y precisa del árbol potenciado.
  • Traqueteo (la herramienta analítica de R para aprender fácilmente): una herramienta GUI que hace que sea muy fácil comenzar con el análisis de datos en R, con exploración gráfica de datos, modelos ML y generación de código R.
• Herramientas de desarrollo: Azure SDK en Java, Python, Node.js, Ruby, PHP; Eclipse IDE con el complemento Azure Toolkit; editores de código como vim, gedit y Emacs (con complementos ESS, auctex); Controladores de SQL Server y herramientas de línea de comandos como bcp (Copia masiva), sqlcmd (utilidad de consulta de SQL Server basada en texto); Cliente gráfico SQuirreL SQL para acceder a varias bases de datos.
• Acceso remoto en la interfaz de texto a través de un cliente SSH (como PuTTY o comando ssh) o en un escritorio gráfico (necesita una instalación separada de X2Go en su máquina cliente).

Lea más al respecto esta página.