You can not select more than 25 topics
Topics must start with a letter or number, can include dashes ('-') and can be up to 35 characters long.
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.
<!--
CO_OP_TRANSLATOR_METADATA:
{
"original_hash": "8dfe141a0f46f7d253e07f74913c7f44",
"translation_date": "2025-08-25T17:19:53+00:00",
"source_file": "5-Data-Science-In-Cloud/README.md",
"language_code": "ja"
}
-->
# クラウドでのデータサイエンス
> 写真提供：[Jelleke Vanooteghem](https://unsplash.com/@ilumire)（ ）
ビッグデータを使ったデータサイエンスを行う際、クラウドは大きな変化をもたらす可能性があります。次の3つのレッスンでは、クラウドとは何か、そしてそれがなぜ非常に役立つのかを見ていきます。また、心不全のデータセットを調査し、心不全の可能性を評価するモデルを構築します。クラウドの力を活用して、モデルをトレーニング、デプロイ、そして2つの異なる方法で利用します。一つは、ユーザーインターフェースを使用してLow code/No code形式で行う方法、もう一つはAzure Machine Learning Software Developer Kit (Azure ML SDK)を使用する方法です。
### トピック
1. [なぜデータサイエンスにクラウドを使うのか？ ](17-Introduction/README.md )
2. [クラウドでのデータサイエンス: "Low code/No code"の方法 ](18-Low-Code/README.md )
3. [クラウドでのデータサイエンス: "Azure ML SDK"の方法 ](19-Azure/README.md )
### クレジット
心不全予測プロジェクトのデータは、[Kaggle](https://www.kaggle.com/andrewmvd/heart-failure-clinical-data)の[
Larxel](https://www.kaggle.com/andrewmvd)から提供されています。このデータは[Attribution 4.0 International (CC BY 4.0)](https://creativecommons.org/licenses/by/4.0/)のライセンスの下で提供されています。
** 免責事項**:
この文書は、AI翻訳サービス [Co-op Translator ](https://github.com/Azure/co-op-translator ) を使用して翻訳されています。正確性を追求しておりますが、自動翻訳には誤りや不正確な部分が含まれる可能性があることをご承知ください。元の言語で記載された文書が正式な情報源とみなされるべきです。重要な情報については、専門の人間による翻訳を推奨します。この翻訳の使用に起因する誤解や誤認について、当方は一切の責任を負いません。
