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 'update-translations'
${ noResults }
Data-Science-For-Beginners/translations/cs/5-Data-Science-In-Cloud
History
leestott 7373a19c39
🌐 Update translations via Co-op Translator 		2 weeks ago
..
17-Introduction 🌐 Update translations via Co-op Translator 2 weeks ago
18-Low-Code 🌐 Update translations via Co-op Translator 2 weeks ago
19-Azure 🌐 Update translations via Co-op Translator 2 weeks ago
README.md 🌐 Update translations via Co-op Translator 4 weeks ago

README.md

Data Science v cloudu

cloud-picture

Foto od Jelleke Vanooteghem z Unsplash

Pokud jde o práci s datovou vědou a velkými daty, cloud může být skutečným průlomem. V následujících třech lekcích si vysvětlíme, co je to cloud a proč může být velmi užitečný. Také prozkoumáme dataset o srdečním selhání a vytvoříme model, který pomůže odhadnout pravděpodobnost, že někdo trpí srdečním selháním. Využijeme sílu cloudu k trénování, nasazení a využití modelu dvěma různými způsoby. Jeden způsob bude využívat pouze uživatelské rozhraní v režimu Low code/No code, druhý způsob bude využívat Azure Machine Learning Software Developer Kit (Azure ML SDK).

project-schema

Témata

  1. Proč používat cloud pro datovou vědu?
  2. Datová věda v cloudu: Způsob "Low code/No code"
  3. Datová věda v cloudu: Způsob "Azure ML SDK"

Poděkování

Tyto lekce byly napsány s ☁️ a 💕 od Maud Levy a Tiffany Souterre.

Data pro projekt predikce srdečního selhání pocházejí od Larxel na Kaggle. Jsou licencována pod Attribution 4.0 International (CC BY 4.0).

Prohlášení:
Tento dokument byl přeložen pomocí služby pro automatický překlad Co-op Translator. I když se snažíme o přesnost, mějte prosím na paměti, že automatické překlady mohou obsahovat chyby nebo nepřesnosti. Původní dokument v jeho původním jazyce by měl být považován za autoritativní zdroj. Pro důležité informace se doporučuje profesionální lidský překlad. Neodpovídáme za žádné nedorozumění nebo nesprávné interpretace vyplývající z použití tohoto překladu.