# Data Science w Chmurze  > Zdjęcie autorstwa [Jelleke Vanooteghem](https://unsplash.com/@ilumire) z [Unsplash](https://unsplash.com/s/photos/cloud?orientation=landscape) Jeśli chodzi o analizę danych z dużymi zbiorami danych, chmura może być prawdziwym przełomem. W ciągu najbliższych trzech lekcji dowiemy się, czym jest chmura i dlaczego może być bardzo pomocna. Zbadamy również zbiór danych dotyczących niewydolności serca i zbudujemy model, który pomoże ocenić prawdopodobieństwo wystąpienia niewydolności serca u danej osoby. Wykorzystamy moc chmury, aby wytrenować, wdrożyć i używać modelu na dwa różne sposoby. Jeden sposób polega na użyciu wyłącznie interfejsu użytkownika w podejściu Low code/No code, a drugi sposób na wykorzystaniu Azure Machine Learning Software Developer Kit (Azure ML SDK).  ### Tematy 1. [Dlaczego warto używać chmury w analizie danych?](17-Introduction/README.md) 2. [Analiza danych w chmurze: Podejście "Low code/No code"](18-Low-Code/README.md) 3. [Analiza danych w chmurze: Podejście "Azure ML SDK"](19-Azure/README.md) ### Podziękowania Te lekcje zostały napisane z ☁️ i 💕 przez [Maud Levy](https://twitter.com/maudstweets) oraz [Tiffany Souterre](https://twitter.com/TiffanySouterre) Dane do projektu przewidywania niewydolności serca pochodzą od [ Larxel](https://www.kaggle.com/andrewmvd) na [Kaggle](https://www.kaggle.com/andrewmvd/heart-failure-clinical-data). Są one licencjonowane na podstawie [Attribution 4.0 International (CC BY 4.0)](https://creativecommons.org/licenses/by/4.0/) **Zastrzeżenie**: Ten dokument został przetłumaczony za pomocą usługi tłumaczenia AI [Co-op Translator](https://github.com/Azure/co-op-translator). Chociaż staramy się zapewnić dokładność, prosimy mieć na uwadze, że automatyczne tłumaczenia mogą zawierać błędy lub nieścisłości. Oryginalny dokument w jego rodzimym języku powinien być uznawany za wiarygodne źródło. W przypadku informacji krytycznych zaleca się skorzystanie z profesjonalnego tłumaczenia przez człowieka. Nie ponosimy odpowiedzialności za jakiekolwiek nieporozumienia lub błędne interpretacje wynikające z użycia tego tłumaczenia.