Data Science Solutions on Azure / Soh, Julian  

Público ISBD Ningún comentario para este título. Título : Data Science Solutions on Azure : Tools and Techniques Using Databricks and MLOps Tipo de documento: documento electrónico Autores: Soh, Julian, ; Singh, Priyanshi, Mención de edición: 1 ed. Editorial: Berkeley, CA : Apress Fecha de publicación: 2020 Número de páginas: XIII, 285 p. 186 ilustraciones ISBN/ISSN/DL: 978-1-4842-6405-8 Nota general: Libro disponible en la plataforma SpringerLink. Descarga y lectura en formatos PDF, HTML y ePub. Descarga completa o por capítulos. Idioma : Inglés (eng) Palabras clave: programas de microsoft  NET Framework microsoft  microsoft Clasificación: 005.268 Resumen: Comprenda y aprenda las habilidades necesarias para utilizar herramientas modernas en Microsoft Azure. Este libro analiza cómo aplicar de forma práctica estas herramientas en la industria y ayudar a impulsar la transformación de las organizaciones en una entidad basada en el conocimiento y los datos. Proporciona una comprensión integral del ciclo de vida de la ciencia de datos y las técnicas para producir cargas de trabajo de manera eficiente. El libro comienza con una introducción a la ciencia de datos y analiza las técnicas estadísticas que los científicos de datos deben conocer. Luego pasará al aprendizaje automático en Azure, donde revisará los conceptos básicos de preparación e ingeniería de datos, junto con el servicio Azure ML y el aprendizaje automático automatizado. También explorará Azure Databricks y aprenderá cómo implementarlos, crearlos y administrarlos. En los capítulos finales, analizará las operaciones de aprendizaje automático en Azure seguidas de la implementación práctica de la inteligencia artificial a través del aprendizaje automático. Data Science Solutions en Azure revelará cómo los diferentes servicios de Azure funcionan juntos utilizando escenarios de la vida real y cómo crear soluciones en un único ecosistema de nube integral. Usted: Comprenderá el análisis de big data con Spark en Azure Databricks Se integrará con servicios de Azure como Azure Machine Learning y Azure Synaps Implementará, publicará y monitoreará sus cargas de trabajo de ciencia de datos con MLOps Revisará la abstracción de datos, la gestión de modelos y el control de versiones con GitHub. Nota de contenido: Chapter 1: Data Science in the Modern Enterprise -- Chapter 2: Statistical Techniques and Concepts in Data Science -- Chapter 3: Data Preparation and Data Engineering Basics -- Chapter 4: Introduction to Azure Machine Learning -- Chapter 5: Hands on with Azure Machine Learning -- Chapter 6: Apache Spark, Big Data, and Azure Databricks -- Chapter 7: Hands-on with Azure Databricks -- Chapter 8: Machine Learning Operations. Tipo de medio : Computadora Summary : Understand and learn the skills needed to use modern tools in Microsoft Azure. This book discusses how to practically apply these tools in the industry, and help drive the transformation of organizations into a knowledge and data-driven entity. It provides an end-to-end understanding of data science life cycle and the techniques to efficiently productionize workloads. The book starts with an introduction to data science and discusses the statistical techniques data scientists should know. You'll then move on to machine learning in Azure where you will review the basics of data preparation and engineering, along with Azure ML service and automated machine learning. You'll also explore Azure Databricks and learn how to deploy, create and manage the same. In the final chapters you'll go through machine learning operations in Azure followed by the practical implementation of artificial intelligence through machine learning. Data Science Solutions on Azure will reveal how the different Azure services work together using real life scenarios and how-to-build solutions in a single comprehensive cloud ecosystem. You will: Understand big data analytics with Spark in Azure Databricks Integrate with Azure services like Azure Machine Learning and Azure Synaps Deploy, publish and monitor your data science workloads with MLOps Review data abstraction, model management and versioning with GitHub. Enlace de acceso : https://link-springer-com.biblioproxy.umanizales.edu.co/referencework/10.1007/97 [...] Data Science Solutions on Azure : Tools and Techniques Using Databricks and MLOps [documento electrónico] / Soh, Julian, ; Singh, Priyanshi,  . -  1 ed.  . - Berkeley, CA : Apress, 2020 . - XIII, 285 p. 186 ilustraciones. ISBN : 978-1-4842-6405-8 Libro disponible en la plataforma SpringerLink. Descarga y lectura en formatos PDF, HTML y ePub. Descarga completa o por capítulos. Idioma : Inglés (eng) Palabras clave: programas de microsoft  NET Framework microsoft  microsoft Clasificación: 005.268 Resumen: Comprenda y aprenda las habilidades necesarias para utilizar herramientas modernas en Microsoft Azure. Este libro analiza cómo aplicar de forma práctica estas herramientas en la industria y ayudar a impulsar la transformación de las organizaciones en una entidad basada en el conocimiento y los datos. Proporciona una comprensión integral del ciclo de vida de la ciencia de datos y las técnicas para producir cargas de trabajo de manera eficiente. El libro comienza con una introducción a la ciencia de datos y analiza las técnicas estadísticas que los científicos de datos deben conocer. Luego pasará al aprendizaje automático en Azure, donde revisará los conceptos básicos de preparación e ingeniería de datos, junto con el servicio Azure ML y el aprendizaje automático automatizado. También explorará Azure Databricks y aprenderá cómo implementarlos, crearlos y administrarlos. En los capítulos finales, analizará las operaciones de aprendizaje automático en Azure seguidas de la implementación práctica de la inteligencia artificial a través del aprendizaje automático. Data Science Solutions en Azure revelará cómo los diferentes servicios de Azure funcionan juntos utilizando escenarios de la vida real y cómo crear soluciones en un único ecosistema de nube integral. Usted: Comprenderá el análisis de big data con Spark en Azure Databricks Se integrará con servicios de Azure como Azure Machine Learning y Azure Synaps Implementará, publicará y monitoreará sus cargas de trabajo de ciencia de datos con MLOps Revisará la abstracción de datos, la gestión de modelos y el control de versiones con GitHub. Nota de contenido: Chapter 1: Data Science in the Modern Enterprise -- Chapter 2: Statistical Techniques and Concepts in Data Science -- Chapter 3: Data Preparation and Data Engineering Basics -- Chapter 4: Introduction to Azure Machine Learning -- Chapter 5: Hands on with Azure Machine Learning -- Chapter 6: Apache Spark, Big Data, and Azure Databricks -- Chapter 7: Hands-on with Azure Databricks -- Chapter 8: Machine Learning Operations. Tipo de medio : Computadora Summary : Understand and learn the skills needed to use modern tools in Microsoft Azure. This book discusses how to practically apply these tools in the industry, and help drive the transformation of organizations into a knowledge and data-driven entity. It provides an end-to-end understanding of data science life cycle and the techniques to efficiently productionize workloads. The book starts with an introduction to data science and discusses the statistical techniques data scientists should know. You'll then move on to machine learning in Azure where you will review the basics of data preparation and engineering, along with Azure ML service and automated machine learning. You'll also explore Azure Databricks and learn how to deploy, create and manage the same. In the final chapters you'll go through machine learning operations in Azure followed by the practical implementation of artificial intelligence through machine learning. Data Science Solutions on Azure will reveal how the different Azure services work together using real life scenarios and how-to-build solutions in a single comprehensive cloud ecosystem. You will: Understand big data analytics with Spark in Azure Databricks Integrate with Azure services like Azure Machine Learning and Azure Synaps Deploy, publish and monitor your data science workloads with MLOps Review data abstraction, model management and versioning with GitHub. Enlace de acceso : https://link-springer-com.biblioproxy.umanizales.edu.co/referencework/10.1007/97 [...]

---

1 (1 - 1 / 1) Ver por página : 25 50 100 200