This file contains ambiguous Unicode characters that may be confused with others in your current locale. If your use case is intentional and legitimate, you can safely ignore this warning. Use the Escape button to highlight these characters.
> Φωτογραφία από [Jelleke Vanooteghem](https://unsplash.com/@ilumire) στο [Unsplash](https://unsplash.com/s/photos/cloud?orientation=landscape)
Όταν πρόκειται για την επιστήμη δεδομένων με μεγάλα δεδομένα, το cloud μπορεί να αλλάξει τα δεδομένα. Στα επόμενα τρία μαθήματα, θα δούμε τι είναι το cloud και γιατί μπορεί να είναι πολύ χρήσιμο. Θα εξερευνήσουμε επίσης ένα σύνολο δεδομένων για καρδιακή ανεπάρκεια και θα δημιουργήσουμε ένα μοντέλο γιανα βοηθήσουμε στην εκτίμηση της πιθανότητας κάποιος να έχει καρδιακή ανεπάρκεια. Θα χρησιμοποιήσουμε τη δύναμη του cloud γιανα εκπαιδεύσουμε, να αναπτύξουμε και να χρησιμοποιήσουμε ένα μοντέλο με δύο διαφορετικούς τρόπους. Ο ένας τρόπος είναι χρησιμοποιώντας μόνο το περιβάλλον χρήστη με μια προσέγγιση "Low code/No code", και ο άλλος τρόπος είναι χρησιμοποιώντας το Azure Machine Learning Software Developer Kit (Azure ML SDK).
1. [Γιατί να χρησιμοποιήσετε το Cloud για την Επιστήμη Δεδομένων;](17-Introduction/README.md)
2. [Επιστήμη Δεδομένων στο Cloud: Η προσέγγιση "Low code/No code"](18-Low-Code/README.md)
3. [Επιστήμη Δεδομένων στο Cloud: Η προσέγγιση "Azure ML SDK"](19-Azure/README.md)
### Συντελεστές
Αυτά τα μαθήματα γράφτηκαν με ☁️ και 💕 από [Maud Levy](https://twitter.com/maudstweets) και [Tiffany Souterre](https://twitter.com/TiffanySouterre)
Τα δεδομένα για το έργο Πρόβλεψης Καρδιακής Ανεπάρκειας προέρχονται από τον [
Larxel](https://www.kaggle.com/andrewmvd) στο [Kaggle](https://www.kaggle.com/andrewmvd/heart-failure-clinical-data). Είναι αδειοδοτημένα υπό την [Attribution 4.0 International (CC BY 4.0)](https://creativecommons.org/licenses/by/4.0/)
---
**Αποποίηση ευθύνης**:
Αυτό το έγγραφο έχει μεταφραστεί χρησιμοποιώντας την υπηρεσία αυτόματης μετάφρασης [Co-op Translator](https://github.com/Azure/co-op-translator). Παρόλο που καταβάλλουμε προσπάθειες για ακρίβεια, παρακαλούμε να έχετε υπόψη ότι οι αυτοματοποιημένες μεταφράσεις ενδέχεται να περιέχουν σφάλματα ή ανακρίβειες. Το πρωτότυπο έγγραφο στη γλώσσα του θα πρέπει να θεωρείται η αυθεντική πηγή. Για κρίσιμες πληροφορίες, συνιστάται επαγγελματική ανθρώπινη μετάφραση. Δεν φέρουμε ευθύνη για τυχόν παρεξηγήσεις ή εσφαλμένες ερμηνείες που προκύπτουν από τη χρήση αυτής της μετάφρασης.