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.
35 lines
2.5 KiB
35 lines
2.5 KiB
<!--
|
|
CO_OP_TRANSLATOR_METADATA:
|
|
{
|
|
"original_hash": "8dfe141a0f46f7d253e07f74913c7f44",
|
|
"translation_date": "2025-08-28T17:54:10+00:00",
|
|
"source_file": "5-Data-Science-In-Cloud/README.md",
|
|
"language_code": "ms"
|
|
}
|
|
-->
|
|
# Sains Data di Awan
|
|
|
|
|
|
|
|
> Foto oleh [Jelleke Vanooteghem](https://unsplash.com/@ilumire) dari [Unsplash](https://unsplash.com/s/photos/cloud?orientation=landscape)
|
|
|
|
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).
|
|
|
|
|
|
|
|
### Topik
|
|
|
|
1. [Mengapa menggunakan Awan untuk Sains Data?](17-Introduction/README.md)
|
|
2. [Sains Data di Awan: Cara "Low code/No code"](18-Low-Code/README.md)
|
|
3. [Sains Data di Awan: Cara "Azure ML SDK"](19-Azure/README.md)
|
|
|
|
### Kredit
|
|
Pelajaran ini ditulis dengan ☁️ dan 💕 oleh [Maud Levy](https://twitter.com/maudstweets) dan [Tiffany Souterre](https://twitter.com/TiffanySouterre)
|
|
|
|
Data untuk projek Ramalan Kegagalan Jantung diperoleh daripada [
|
|
Larxel](https://www.kaggle.com/andrewmvd) di [Kaggle](https://www.kaggle.com/andrewmvd/heart-failure-clinical-data). Ia dilesenkan di bawah [Attribution 4.0 International (CC BY 4.0)](https://creativecommons.org/licenses/by/4.0/)
|
|
|
|
---
|
|
|
|
**Penafian**:
|
|
Dokumen ini telah diterjemahkan menggunakan perkhidmatan terjemahan AI [Co-op Translator](https://github.com/Azure/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. |