localizeflow[bot]
c945bd6341
|
1 month ago | |
|---|---|---|
| .. | ||
| README.md | 1 month ago | |
| assignment.md | 1 month ago | |
README.md
ಕ್ಲೌಡ್ನಲ್ಲಿ ಡೇಟಾ ಸೈನ್ಸ್ಗೆ ಪರಿಚಯ
 |
|---|
| ಕ್ಲೌಡ್ನಲ್ಲಿ ಡೇಟಾ ಸೈನ್ಸ್: ಪರಿಚಯ - @nitya ಅವರಿಂದ ಸ್ಕೆಚ್ ನೋಟ್ |
ಈ ಪಾಠದಲ್ಲಿ, ನೀವು ಕ್ಲೌಡ್ನ ಮೂಲಭೂತ ತತ್ವಗಳನ್ನು ಕಲಿಯುತ್ತೀರಿ, ನಂತರ ನಿಮ್ಮ ಡೇಟಾ ಸೈನ್ಸ್ ಯೋಜನೆಗಳನ್ನು ನಡೆಸಲು ಕ್ಲೌಡ್ ಸೇವೆಗಳನ್ನು ಬಳಸುವುದು ನಿಮಗೆ ಏಕೆ ಆಸಕ್ತಿದಾಯಕವಾಗಬಹುದು ಎಂದು ನೋಡುತ್ತೀರಿ ಮತ್ತು ಕ್ಲೌಡ್ನಲ್ಲಿ ನಡೆಸಲ್ಪಡುವ ಕೆಲವು ಡೇಟಾ ಸೈನ್ಸ್ ಯೋಜನೆಗಳ ಉದಾಹರಣೆಗಳನ್ನು ನೋಡುತ್ತೇವೆ.
ಪೂರ್ವ-ಪಾಠ ಪ್ರಶ್ನೋತ್ತರ
ಕ್ಲೌಡ್ ಎಂದರೆ ಏನು?
ಕ್ಲೌಡ್ ಅಥವಾ ಕ್ಲೌಡ್ ಕಂಪ್ಯೂಟಿಂಗ್ ಎಂದರೆ ಇಂಟರ್ನೆಟ್ ಮೂಲಕ ಹೋಸ್ಟ್ ಮಾಡಲಾದ ಮೂಲಸೌಕರ್ಯದಲ್ಲಿ ಪಾವತಿಸು-ಬಳಸುವ ಆಧಾರದ ಮೇಲೆ ವಿವಿಧ ಕಂಪ್ಯೂಟಿಂಗ್ ಸೇವೆಗಳ ವಿತರಣೆ. ಸೇವೆಗಳಲ್ಲಿ ಸಂಗ್ರಹಣೆ, ಡೇಟಾಬೇಸ್ಗಳು, ನೆಟ್ವರ್ಕಿಂಗ್, ಸಾಫ್ಟ್ವೇರ್, ವಿಶ್ಲೇಷಣೆ ಮತ್ತು ಬುದ್ಧಿವಂತ ಸೇವೆಗಳು ಸೇರಿವೆ.
ನಾವು ಸಾಮಾನ್ಯವಾಗಿ ಸಾರ್ವಜನಿಕ, ಖಾಸಗಿ ಮತ್ತು ಸಂಯುಕ್ತ ಕ್ಲೌಡ್ಗಳನ್ನು ಹೀಗಾಗಿ ವಿಭಜಿಸುತ್ತೇವೆ:
- ಸಾರ್ವಜನಿಕ ಕ್ಲೌಡ್: ಸಾರ್ವಜನಿಕ ಕ್ಲೌಡ್ ಅನ್ನು ಮೂರನೇ ಪಕ್ಷದ ಕ್ಲೌಡ್ ಸೇವಾ ಪೂರೈಕೆದಾರರು ಹೊಂದಿದ್ದು, ಇಂಟರ್ನೆಟ್ ಮೂಲಕ ಸಾರ್ವಜನಿಕರಿಗೆ ಕಂಪ್ಯೂಟಿಂಗ್ ಸಂಪನ್ಮೂಲಗಳನ್ನು ವಿತರಿಸುತ್ತಾರೆ.
- ಖಾಸಗಿ ಕ್ಲೌಡ್: ಖಾಸಗಿ ಕ್ಲೌಡ್ ಎಂದರೆ ಒಂದು ವ್ಯವಹಾರ ಅಥವಾ ಸಂಸ್ಥೆ ಮಾತ್ರ ಬಳಸುವ ಕ್ಲೌಡ್ ಕಂಪ್ಯೂಟಿಂಗ್ ಸಂಪನ್ಮೂಲಗಳು, ಸೇವೆಗಳು ಮತ್ತು ಮೂಲಸೌಕರ್ಯ ಖಾಸಗಿ ನೆಟ್ವರ್ಕ್ನಲ್ಲಿ ನಿರ್ವಹಿಸಲಾಗುತ್ತದೆ.
- ಸಂಯುಕ್ತ ಕ್ಲೌಡ್: ಸಂಯುಕ್ತ ಕ್ಲೌಡ್ ಎಂದರೆ ಸಾರ್ವಜನಿಕ ಮತ್ತು ಖಾಸಗಿ ಕ್ಲೌಡ್ಗಳನ್ನು ಸಂಯೋಜಿಸುವ ವ್ಯವಸ್ಥೆ. ಬಳಕೆದಾರರು ಆನ್-ಪ್ರೆಮೈಸಸ್ ಡೇಟಾಸೆಂಟರ್ ಆಯ್ಕೆಮಾಡುತ್ತಾರೆ, ಆದರೆ ಡೇಟಾ ಮತ್ತು ಅಪ್ಲಿಕೇಶನ್ಗಳನ್ನು ಒಂದು ಅಥವಾ ಹೆಚ್ಚು ಸಾರ್ವಜನಿಕ ಕ್ಲೌಡ್ಗಳಲ್ಲಿ ನಡೆಸಲು ಅನುಮತಿಸುತ್ತಾರೆ.
ಬಹುತೇಕ ಕ್ಲೌಡ್ ಕಂಪ್ಯೂಟಿಂಗ್ ಸೇವೆಗಳು ಮೂರು ವರ್ಗಗಳಲ್ಲಿ ಬರುತ್ತವೆ: ಮೂಲಸೌಕರ್ಯ ಸೇವೆಯಾಗಿ (IaaS), ವೇದಿಕೆ ಸೇವೆಯಾಗಿ (PaaS) ಮತ್ತು ಸಾಫ್ಟ್ವೇರ್ ಸೇವೆಯಾಗಿ (SaaS).
- ಮೂಲಸೌಕರ್ಯ ಸೇವೆಯಾಗಿ (IaaS): ಬಳಕೆದಾರರು ಸರ್ವರ್ಗಳು ಮತ್ತು ವರ್ಚುವಲ್ ಮಷೀನ್ಗಳು (VMs), ಸಂಗ್ರಹಣೆ, ನೆಟ್ವರ್ಕ್ಗಳು, ಆಪರೇಟಿಂಗ್ ಸಿಸ್ಟಮ್ಗಳಂತಹ ಐಟಿ ಮೂಲಸೌಕರ್ಯವನ್ನು ಬಾಡಿಗೆಗೆ ಪಡೆಯುತ್ತಾರೆ
- ವೇದಿಕೆ ಸೇವೆಯಾಗಿ (PaaS): ಬಳಕೆದಾರರು ಸಾಫ್ಟ್ವೇರ್ ಅಪ್ಲಿಕೇಶನ್ಗಳನ್ನು ಅಭಿವೃದ್ಧಿಪಡಿಸುವ, ಪರೀಕ್ಷಿಸುವ, ವಿತರಿಸುವ ಮತ್ತು ನಿರ್ವಹಿಸುವ ಪರಿಸರವನ್ನು ಬಾಡಿಗೆಗೆ ಪಡೆಯುತ್ತಾರೆ. ಅಭಿವೃದ್ಧಿಗೆ ಅಗತ್ಯವಿರುವ ಸರ್ವರ್ಗಳು, ಸಂಗ್ರಹಣೆ, ನೆಟ್ವರ್ಕ್ ಮತ್ತು ಡೇಟಾಬೇಸ್ಗಳ ಮೂಲಸೌಕರ್ಯವನ್ನು ಹೊಂದಿಸುವ ಅಥವಾ ನಿರ್ವಹಿಸುವ ಬಗ್ಗೆ ಬಳಕೆದಾರರು ಚಿಂತಿಸಬೇಕಾಗಿಲ್ಲ.
- ಸಾಫ್ಟ್ವೇರ್ ಸೇವೆಯಾಗಿ (SaaS): ಬಳಕೆದಾರರು ಇಂಟರ್ನೆಟ್ ಮೂಲಕ, ಬೇಡಿಕೆಯಂತೆ ಮತ್ತು ಸಾಮಾನ್ಯವಾಗಿ ಚಂದಾದಾರಿಕೆಯ ಆಧಾರದ ಮೇಲೆ ಸಾಫ್ಟ್ವೇರ್ ಅಪ್ಲಿಕೇಶನ್ಗಳಿಗೆ ಪ್ರವೇಶ ಪಡೆಯುತ್ತಾರೆ. ಸಾಫ್ಟ್ವೇರ್ ಅಪ್ಲಿಕೇಶನ್, ಮೂಲಸೌಕರ್ಯ ಅಥವಾ ನಿರ್ವಹಣೆ, ಉದಾಹರಣೆಗೆ ಸಾಫ್ಟ್ವೇರ್ ಅಪ್ಗ್ರೇಡ್ಗಳು ಮತ್ತು ಭದ್ರತಾ ಪ್ಯಾಚ್ಗಳನ್ನು ನಿರ್ವಹಿಸುವ ಬಗ್ಗೆ ಬಳಕೆದಾರರು ಚಿಂತಿಸಬೇಕಾಗಿಲ್ಲ.
ಅಮೆಜಾನ್ ವೆಬ್ ಸರ್ವಿಸಸ್, ಗೂಗಲ್ ಕ್ಲೌಡ್ ಪ್ಲಾಟ್ಫಾರ್ಮ್ ಮತ್ತು ಮೈಕ್ರೋಸಾಫ್ಟ್ ಅಜೂರ್ ಕೆಲವು ದೊಡ್ಡ ಕ್ಲೌಡ್ ಪೂರೈಕೆದಾರರು.
ಡೇಟಾ ಸೈನ್ಸ್ಗೆ ಕ್ಲೌಡ್ ಆಯ್ಕೆಮಾಡಬೇಕಾದ ಕಾರಣ?
ವಿಕಸಕರೂ ಮತ್ತು ಐಟಿ ವೃತ್ತಿಪರರೂ ಹಲವಾರು ಕಾರಣಗಳಿಂದ ಕ್ಲೌಡ್ನಲ್ಲಿ ಕೆಲಸ ಮಾಡಲು ಆಯ್ಕೆಮಾಡುತ್ತಾರೆ, ಅವುಗಳಲ್ಲಿ ಕೆಲವು ಈ ಕೆಳಗಿನಂತಿವೆ:
- ನವೀನತೆ: ನೀವು ನಿಮ್ಮ ಅಪ್ಲಿಕೇಶನ್ಗಳನ್ನು ನೇರವಾಗಿ ಕ್ಲೌಡ್ ಪೂರೈಕೆದಾರರಿಂದ ರಚಿಸಲಾದ ನವೀನ ಸೇವೆಗಳನ್ನು ಸಂಯೋಜಿಸುವ ಮೂಲಕ ಶಕ್ತಿಶಾಲಿ ಮಾಡಬಹುದು.
- ಲವಚಿಕತೆ: ನೀವು ಬೇಕಾದ ಸೇವೆಗಳಿಗೆ ಮಾತ್ರ ಪಾವತಿಸುತ್ತೀರಿ ಮತ್ತು ವಿವಿಧ ಸೇವೆಗಳಲ್ಲಿಂದ ಆಯ್ಕೆಮಾಡಬಹುದು. ಸಾಮಾನ್ಯವಾಗಿ ನೀವು ಬಳಕೆಮಾಡಿದಷ್ಟು ಪಾವತಿಸುತ್ತೀರಿ ಮತ್ತು ನಿಮ್ಮ ಬದಲಾಗುತ್ತಿರುವ ಅಗತ್ಯಗಳಿಗೆ ಅನುಗುಣವಾಗಿ ಸೇವೆಗಳನ್ನು ಹೊಂದಿಕೊಳ್ಳಬಹುದು.
- ಬಜೆಟ್: ನೀವು ಹಾರ್ಡ್ವೇರ್ ಮತ್ತು ಸಾಫ್ಟ್ವೇರ್ ಖರೀದಿಸಲು ಪ್ರಾಥಮಿಕ ಹೂಡಿಕೆ ಮಾಡಬೇಕಾಗಿಲ್ಲ, ಆನ್-ಸೈಟ್ ಡೇಟಾಸೆಂಟರ್ಗಳನ್ನು ಸ್ಥಾಪಿಸಿ ನಡೆಸಬೇಕಾಗಿಲ್ಲ ಮತ್ತು ನೀವು ಬಳಸಿದಷ್ಟು ಮಾತ್ರ ಪಾವತಿಸಬಹುದು.
- ವಿಸ್ತರಣೆ ಸಾಮರ್ಥ್ಯ: ನಿಮ್ಮ ಸಂಪನ್ಮೂಲಗಳು ನಿಮ್ಮ ಯೋಜನೆಯ ಅಗತ್ಯಗಳಿಗೆ ಅನುಗುಣವಾಗಿ ವಿಸ್ತರಿಸಬಹುದು, ಅಂದರೆ ನಿಮ್ಮ ಅಪ್ಲಿಕೇಶನ್ಗಳು ಹೆಚ್ಚು ಅಥವಾ ಕಡಿಮೆ ಕಂಪ್ಯೂಟಿಂಗ್ ಶಕ್ತಿ, ಸಂಗ್ರಹಣೆ ಮತ್ತು ಬ್ಯಾಂಡ್ವಿಡ್ತ್ ಬಳಸಬಹುದು, ಯಾವುದೇ ಸಮಯದಲ್ಲಿ ಬಾಹ್ಯ ಕಾರಣಗಳಿಗೆ ಹೊಂದಿಕೊಳ್ಳುತ್ತವೆ.
- ಉತ್ಪಾದಕತೆ: ಡೇಟಾಸೆಂಟರ್ಗಳನ್ನು ನಿರ್ವಹಿಸುವಂತಹ ಕೆಲಸಗಳಿಗೆ ಸಮಯ ವ್ಯಯಿಸುವ ಬದಲು ನಿಮ್ಮ ವ್ಯವಹಾರಕ್ಕೆ ಗಮನಹರಿಸಬಹುದು.
- ನಂಬಿಕೆ: ಕ್ಲೌಡ್ ಕಂಪ್ಯೂಟಿಂಗ್ ನಿಮ್ಮ ಡೇಟಾವನ್ನು ನಿರಂತರವಾಗಿ ಬ್ಯಾಕಪ್ ಮಾಡಲು ಹಲವಾರು ಮಾರ್ಗಗಳನ್ನು ಒದಗಿಸುತ್ತದೆ ಮತ್ತು ಸಂಕಷ್ಟದ ಸಮಯದಲ್ಲೂ ನಿಮ್ಮ ವ್ಯವಹಾರ ಮತ್ತು ಸೇವೆಗಳನ್ನು ಮುಂದುವರಿಸಲು ವಿಪತ್ತು ಪುನರುತ್ಥಾನ ಯೋಜನೆಗಳನ್ನು ಸ್ಥಾಪಿಸಬಹುದು.
- ಭದ್ರತೆ: ನಿಮ್ಮ ಯೋಜನೆಯ ಭದ್ರತೆಯನ್ನು ಬಲಪಡಿಸುವ ನೀತಿಗಳು, ತಂತ್ರಜ್ಞಾನಗಳು ಮತ್ತು ನಿಯಂತ್ರಣಗಳಿಂದ ನೀವು ಲಾಭ ಪಡೆಯಬಹುದು.
ಇವು ಕೆಲವೇ ಸಾಮಾನ್ಯ ಕಾರಣಗಳು, ಜನರು ಕ್ಲೌಡ್ ಸೇವೆಗಳನ್ನು ಬಳಸಲು ಆಯ್ಕೆಮಾಡುವ. ಈಗ ನಾವು ಕ್ಲೌಡ್ ಎಂದರೇನು ಮತ್ತು ಅದರ ಪ್ರಮುಖ ಲಾಭಗಳು ಏನೆಂದು ಉತ್ತಮವಾಗಿ ಅರ್ಥಮಾಡಿಕೊಂಡಿದ್ದೇವೆ, ಡೇಟಾ ವಿಜ್ಞಾನಿಗಳು ಮತ್ತು ಡೇಟಾ ಜೊತೆ ಕೆಲಸ ಮಾಡುವ ವಿಕಸಕರ ಕೆಲಸಗಳನ್ನು ಮತ್ತು ಅವರು ಎದುರಿಸಬಹುದಾದ ಹಲವು ಸವಾಲುಗಳಲ್ಲಿ ಕ್ಲೌಡ್ ಹೇಗೆ ಸಹಾಯ ಮಾಡಬಹುದು ಎಂಬುದನ್ನು ವಿಶೇಷವಾಗಿ ನೋಡೋಣ:
- ದೊಡ್ಡ ಪ್ರಮಾಣದ ಡೇಟಾವನ್ನು ಸಂಗ್ರಹಿಸುವುದು: ದೊಡ್ಡ ಸರ್ವರ್ಗಳನ್ನು ಖರೀದಿಸುವ, ನಿರ್ವಹಿಸುವ ಮತ್ತು ರಕ್ಷಿಸುವ ಬದಲು, ನೀವು ನಿಮ್ಮ ಡೇಟಾವನ್ನು ನೇರವಾಗಿ ಕ್ಲೌಡ್ನಲ್ಲಿ ಸಂಗ್ರಹಿಸಬಹುದು, ಉದಾಹರಣೆಗೆ Azure Cosmos DB, Azure SQL Database ಮತ್ತು Azure Data Lake Storage.
- ಡೇಟಾ ಏಕೀಕರಣವನ್ನು ನಿರ್ವಹಿಸುವುದು: ಡೇಟಾ ಏಕೀಕರಣವು ಡೇಟಾ ಸಂಗ್ರಹಣೆಯಿಂದ ಕ್ರಮ ಕೈಗೊಳ್ಳುವಿಕೆಗೆ ಪರಿವರ್ತನೆ ಮಾಡಲು ಅಗತ್ಯವಿರುವ ಡೇಟಾ ಸೈನ್ಸ್ನ ಅವಿಭಾಜ್ಯ ಭಾಗ. ಕ್ಲೌಡ್ನಲ್ಲಿ ನೀಡಲಾದ ಡೇಟಾ ಏಕೀಕರಣ ಸೇವೆಗಳೊಂದಿಗೆ, ನೀವು ವಿವಿಧ ಮೂಲಗಳಿಂದ ಡೇಟಾವನ್ನು ಸಂಗ್ರಹಿಸಿ, ಪರಿವರ್ತಿಸಿ ಮತ್ತು Data Factory ಮೂಲಕ ಒಟ್ಟಾರೆ ಡೇಟಾ ವೇರ್ಹೌಸ್ಗೆ ಏಕೀಕರಿಸಬಹುದು.
- ಡೇಟಾ ಪ್ರಕ್ರಿಯೆಗೊಳಿಸುವುದು: ದೊಡ್ಡ ಪ್ರಮಾಣದ ಡೇಟಾವನ್ನು ಪ್ರಕ್ರಿಯೆಗೊಳಿಸಲು ಹೆಚ್ಚಿನ ಕಂಪ್ಯೂಟಿಂಗ್ ಶಕ್ತಿ ಬೇಕಾಗುತ್ತದೆ, ಮತ್ತು ಎಲ್ಲರಿಗೂ ಅದಕ್ಕೆ ತಕ್ಕಷ್ಟು ಶಕ್ತಿಶಾಲಿ ಯಂತ್ರಗಳ ಪ್ರವೇಶವಿಲ್ಲ, ಆದ್ದರಿಂದ ಅನೇಕರು ತಮ್ಮ ಪರಿಹಾರಗಳನ್ನು ನಡೆಸಲು ಮತ್ತು ನಿಯೋಜಿಸಲು ನೇರವಾಗಿ ಕ್ಲೌಡ್ನ ಭಾರೀ ಕಂಪ್ಯೂಟಿಂಗ್ ಶಕ್ತಿಯನ್ನು ಬಳಸಲು ಆಯ್ಕೆಮಾಡುತ್ತಾರೆ.
- ಡೇಟಾ ವಿಶ್ಲೇಷಣೆ ಸೇವೆಗಳನ್ನು ಬಳಸುವುದು: Azure Synapse Analytics, Azure Stream Analytics ಮತ್ತು Azure Databricks ಮುಂತಾದ ಕ್ಲೌಡ್ ಸೇವೆಗಳು ನಿಮ್ಮ ಡೇಟಾವನ್ನು ಕಾರ್ಯನಿರ್ವಹಣೀಯ ಒಳನೋಟಗಳಾಗಿ ಪರಿವರ್ತಿಸಲು ಸಹಾಯ ಮಾಡುತ್ತವೆ.
- ಯಂತ್ರ ಅಧ್ಯಯನ ಮತ್ತು ಡೇಟಾ ಬುದ್ಧಿವಂತಿಕೆ ಸೇವೆಗಳನ್ನು ಬಳಸುವುದು: ಆರಂಭದಿಂದಲೇ ಪ್ರಾರಂಭಿಸುವ ಬದಲು, ನೀವು ಕ್ಲೌಡ್ ಪೂರೈಕೆದಾರರಿಂದ ನೀಡಲಾದ ಯಂತ್ರ ಅಧ್ಯಯನ ಆಲ್ಗಾರಿದಮ್ಗಳನ್ನು, ಉದಾಹರಣೆಗೆ AzureML ಸೇವೆಗಳನ್ನು ಬಳಸಬಹುದು. ನೀವು ಮಾತು-ದಿಂದ-ಪಠ್ಯ, ಪಠ್ಯ-ದಿಂದ-ಮಾತು, ಕಂಪ್ಯೂಟರ್ ದೃಷ್ಟಿ ಮತ್ತು ಇನ್ನಷ್ಟು ಜ್ಞಾನ ಸೇವೆಗಳನ್ನು ಕೂಡ ಬಳಸಬಹುದು.
ಕ್ಲೌಡ್ನಲ್ಲಿ ಡೇಟಾ ಸೈನ್ಸ್ ಉದಾಹರಣೆಗಳು
ಇದನ್ನು ಇನ್ನಷ್ಟು ಸ್ಪಷ್ಟಗೊಳಿಸಲು ಕೆಲವು ದೃಶ್ಯಗಳನ್ನು ನೋಡೋಣ.
ನೈಜ-ಸಮಯ ಸಾಮಾಜಿಕ ಮಾಧ್ಯಮ ಭಾವನೆ ವಿಶ್ಲೇಷಣೆ
ನಾವು ಯಂತ್ರ ಅಧ್ಯಯನದಿಂದ ಪ್ರಾರಂಭಿಸುವ ಜನರು ಸಾಮಾನ್ಯವಾಗಿ ಅಧ್ಯಯನ ಮಾಡುವ ದೃಶ್ಯದಿಂದ ಪ್ರಾರಂಭಿಸೋಣ: ನೈಜ-ಸಮಯ ಸಾಮಾಜಿಕ ಮಾಧ್ಯಮ ಭಾವನೆ ವಿಶ್ಲೇಷಣೆ.
ನೀವು ಸುದ್ದಿಮಾಧ್ಯಮ ವೆಬ್ಸೈಟ್ ಅನ್ನು ನಡೆಸುತ್ತಿರುವಿರಿ ಎಂದು ಹೇಳೋಣ ಮತ್ತು ನಿಮ್ಮ ಓದುಗರಿಗೆ ಯಾವ ವಿಷಯ ಆಸಕ್ತಿದಾಯಕವಾಗಬಹುದು ಎಂದು ತಿಳಿಯಲು ನೈಜ-ಸಮಯ ಡೇಟಾವನ್ನು ಬಳಸಲು ಬಯಸುತ್ತೀರಿ. ಅದನ್ನು ತಿಳಿಯಲು, ನೀವು ಟ್ವಿಟ್ಟರ್ ಪ್ರಕಟಣೆಗಳಿಂದ ನೈಜ-ಸಮಯ ಭಾವನೆ ವಿಶ್ಲೇಷಣೆ ಮಾಡುವ ಕಾರ್ಯಕ್ರಮವನ್ನು ನಿರ್ಮಿಸಬಹುದು, ನಿಮ್ಮ ಓದುಗರಿಗೆ ಸಂಬಂಧಿಸಿದ ವಿಷಯಗಳ ಮೇಲೆ.
ನೀವು ನೋಡಬೇಕಾದ ಪ್ರಮುಖ ಸೂಚಕಗಳು ನಿರ್ದಿಷ್ಟ ವಿಷಯಗಳ (ಹ್ಯಾಷ್ಟ್ಯಾಗ್ಗಳು) ಮೇಲೆ ಟ್ವೀಟ್ಗಳ ಪ್ರಮಾಣ ಮತ್ತು ಭಾವನೆ, ಇದು analytics ಉಪಕರಣಗಳನ್ನು ಬಳಸಿ ಆ ವಿಷಯಗಳ ಸುತ್ತಲೂ ಭಾವನೆ ವಿಶ್ಲೇಷಣೆ ಮಾಡುವ ಮೂಲಕ ಸ್ಥಾಪಿಸಲಾಗುತ್ತದೆ.
ಈ ಯೋಜನೆಯನ್ನು ರಚಿಸಲು ಅಗತ್ಯವಿರುವ ಹಂತಗಳು ಇವು:
- ಟ್ವಿಟ್ಟರ್ನಿಂದ ಡೇಟಾ ಸಂಗ್ರಹಿಸಲು ಸ್ಟ್ರೀಮಿಂಗ್ ಇನ್ಪುಟ್ಗಾಗಿ ಇವೆಂಟ್ ಹಬ್ ರಚಿಸಿ
- ಟ್ವಿಟ್ಟರ್ ಸ್ಟ್ರೀಮಿಂಗ್ APIಗಳನ್ನು ಕರೆಮಾಡುವ ಟ್ವಿಟ್ಟರ್ ಕ್ಲೈಂಟ್ ಅಪ್ಲಿಕೇಶನ್ ಅನ್ನು ಸಂರಚಿಸಿ ಮತ್ತು ಪ್ರಾರಂಭಿಸಿ
- ಸ್ಟ್ರೀಮ್ ಅನಾಲಿಟಿಕ್ಸ್ ಕೆಲಸವನ್ನು ರಚಿಸಿ
- ಕೆಲಸದ ಇನ್ಪುಟ್ ಮತ್ತು ಕ್ವೆರಿಯನ್ನು ನಿರ್ದಿಷ್ಟಪಡಿಸಿ
- ಔಟ್ಪುಟ್ ಸಿಂಕ್ ರಚಿಸಿ ಮತ್ತು ಕೆಲಸದ ಔಟ್ಪುಟ್ ಅನ್ನು ನಿರ್ದಿಷ್ಟಪಡಿಸಿ
- ಕೆಲಸವನ್ನು ಪ್ರಾರಂಭಿಸಿ
ಪೂರ್ಣ ಪ್ರಕ್ರಿಯೆಯನ್ನು ನೋಡಲು, ದಾಖಲೆಗಳನ್ನು ಪರಿಶೀಲಿಸಿ.
ವೈಜ್ಞಾನಿಕ ಪೇಪರ್ಗಳ ವಿಶ್ಲೇಷಣೆ
ಇನ್ನೊಂದು ಉದಾಹರಣೆಯಾಗಿ, ಈ ಪಠ್ಯಕ್ರಮದ ಲೇಖಕರಲ್ಲಿ ಒಬ್ಬರಾದ Dmitry Soshnikov ರಚಿಸಿದ ಯೋಜನೆಯನ್ನು ನೋಡೋಣ.
Dmitry COVID ಪೇಪರ್ಗಳನ್ನು ವಿಶ್ಲೇಷಿಸುವ ಉಪಕರಣವನ್ನು ರಚಿಸಿದ್ದಾರೆ. ಈ ಯೋಜನೆಯನ್ನು ಪರಿಶೀಲಿಸುವ ಮೂಲಕ, ನೀವು ವೈಜ್ಞಾನಿಕ ಪೇಪರ್ಗಳಿಂದ ಜ್ಞಾನವನ್ನು ಹೊರತೆಗೆಯುವ, ಒಳನೋಟಗಳನ್ನು ಪಡೆಯುವ ಮತ್ತು ಸಂಶೋಧಕರಿಗೆ ದೊಡ್ಡ ಪೇಪರ್ ಸಂಗ್ರಹಗಳನ್ನು ಪರಿಣಾಮಕಾರಿಯಾಗಿ ನಾವಿಗೇಟ್ ಮಾಡಲು ಸಹಾಯ ಮಾಡುವ ಉಪಕರಣವನ್ನು ಹೇಗೆ ರಚಿಸಬಹುದು ಎಂದು ನೋಡಬಹುದು.
ಇದಕ್ಕೆ ಬಳಸಲಾದ ವಿವಿಧ ಹಂತಗಳು:
- Text Analytics for Health ಬಳಸಿ ಮಾಹಿತಿ ಹೊರತೆಗೆಯುವುದು ಮತ್ತು ಪೂರ್ವ-ಪ್ರಕ್ರಿಯೆಗೊಳಿಸುವುದು
- ಪ್ರಕ್ರಿಯೆಯನ್ನು ಸಮಾಂತರಗೊಳಿಸಲು Azure ML ಬಳಸುವುದು
- Cosmos DB ಬಳಸಿ ಮಾಹಿತಿ ಸಂಗ್ರಹಿಸುವುದು ಮತ್ತು ಕ್ವೇರಿ ಮಾಡುವುದು
- Power BI ಬಳಸಿ ಡೇಟಾ ಅನ್ವೇಷಣೆ ಮತ್ತು ದೃಶ್ಯೀಕರಣಕ್ಕಾಗಿ ಸಂವಹನಾತ್ಮಕ ಡ್ಯಾಶ್ಬೋರ್ಡ್ ರಚಿಸುವುದು
ಪೂರ್ಣ ಪ್ರಕ್ರಿಯೆಯನ್ನು ನೋಡಲು Dmitry ಅವರ ಬ್ಲಾಗ್ ಗೆ ಭೇಟಿ ನೀಡಿ.
ನೀವು ನೋಡಿದಂತೆ, ನಾವು ಡೇಟಾ ಸೈನ್ಸ್ ನಡೆಸಲು ಹಲವಾರು ರೀತಿಯಲ್ಲಿ ಕ್ಲೌಡ್ ಸೇವೆಗಳನ್ನು ಬಳಸಬಹುದು.
ಪಾದಟಿಪ್ಪಣಿ
ಮೂಲಗಳು:
- https://azure.microsoft.com/overview/what-is-cloud-computing?ocid=AID3041109
- https://docs.microsoft.com/azure/stream-analytics/stream-analytics-twitter-sentiment-analysis-trends?ocid=AID3041109
- https://soshnikov.com/science/analyzing-medical-papers-with-azure-and-text-analytics-for-health/
ಪಾಠೋತ್ತರ ಪ್ರಶ್ನೋತ್ತರ
ಪಾಠೋತ್ತರ ಪ್ರಶ್ನೋತ್ತರ
ಹುದ್ದೆ
ಅಸ್ವೀಕರಣ:
ಈ ದಸ್ತಾವೇಜು Co-op Translator ಎಂಬ AI ಅನುವಾದ ಸೇವೆಯನ್ನು ಬಳಸಿ ಅನುವಾದಿಸಲಾಗಿದೆ. ನಾವು ನಿಖರತೆಯಿಗಾಗಿ ಪ್ರಯತ್ನಿಸುತ್ತಿದ್ದರೂ, ಸ್ವಯಂಚಾಲಿತ ಅನುವಾದಗಳಲ್ಲಿ ತಪ್ಪುಗಳು ಅಥವಾ ಅಸತ್ಯತೆಗಳು ಇರಬಹುದು ಎಂಬುದನ್ನು ದಯವಿಟ್ಟು ಗಮನಿಸಿ. ಮೂಲ ಭಾಷೆಯಲ್ಲಿರುವ ಮೂಲ ದಸ್ತಾವೇಜನ್ನು ಅಧಿಕೃತ ಮೂಲವೆಂದು ಪರಿಗಣಿಸಬೇಕು. ಪ್ರಮುಖ ಮಾಹಿತಿಗಾಗಿ, ವೃತ್ತಿಪರ ಮಾನವ ಅನುವಾದವನ್ನು ಶಿಫಾರಸು ಮಾಡಲಾಗುತ್ತದೆ. ಈ ಅನುವಾದ ಬಳಕೆಯಿಂದ ಉಂಟಾಗುವ ಯಾವುದೇ ತಪ್ಪು ಅರ್ಥಮಾಡಿಕೊಳ್ಳುವಿಕೆ ಅಥವಾ ತಪ್ಪು ವಿವರಣೆಗಳಿಗೆ ನಾವು ಹೊಣೆಗಾರರಾಗುವುದಿಲ್ಲ.