msb-public
/
Data-Science-For-Beginners
mirror of https://github.com/microsoft/Data-Science-For-Beginners.git
1
0
Code Issues Projects Releases Wiki Activity
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.
Branches Tags
${ item.name }
Create tag ${ searchTerm }
Create branch ${ searchTerm }
from 'main'
${ noResults }
Data-Science-For-Beginners/translations/ms/5-Data-Science-In-Cloud/README.md

2.5 KiB
Raw Permalink Blame History

Sains Data di Awan

cloud-picture

Foto oleh Jelleke Vanooteghem dari Unsplash

Apabila melibatkan sains data dengan data besar, awan boleh menjadi pengubah permainan. Dalam tiga pelajaran seterusnya, kita akan melihat apa itu awan dan mengapa ia sangat berguna. Kita juga akan meneroka dataset kegagalan jantung dan membina model untuk membantu menilai kebarangkalian seseorang mengalami kegagalan jantung. Kita akan menggunakan kuasa awan untuk melatih, menyebarkan, dan menggunakan model dengan dua cara berbeza. Satu cara menggunakan antara muka pengguna sahaja dalam pendekatan Low code/No code, dan cara lain menggunakan Azure Machine Learning Software Developer Kit (Azure ML SDK).

project-schema

Topik

  1. Mengapa menggunakan Awan untuk Sains Data?
  2. Sains Data di Awan: Cara "Low code/No code"
  3. Sains Data di Awan: Cara "Azure ML SDK"

Kredit

Pelajaran ini ditulis dengan ☁️ dan 💕 oleh Maud Levy dan Tiffany Souterre

Data untuk projek Ramalan Kegagalan Jantung diperoleh daripada Larxel di Kaggle. Ia dilesenkan di bawah Attribution 4.0 International (CC BY 4.0)

Penafian:
Dokumen ini telah diterjemahkan menggunakan perkhidmatan terjemahan AI Co-op Translator. Walaupun kami berusaha untuk memastikan ketepatan, sila ambil maklum bahawa terjemahan automatik mungkin mengandungi kesilapan atau ketidaktepatan. Dokumen asal dalam bahasa asalnya harus dianggap sebagai sumber yang berwibawa. Untuk maklumat penting, terjemahan manusia profesional adalah disyorkan. Kami tidak bertanggungjawab atas sebarang salah faham atau salah tafsir yang timbul daripada penggunaan terjemahan ini.