फोटो Jelleke Vanooteghem द्वारा Unsplash बाट
ठूलो डेटा प्रयोग गरेर डेटा विज्ञान गर्न आउँदा, क्लाउडले खेल बदल्न सक्छ। आगामी तीन पाठहरूमा, हामी क्लाउड के हो र यो किन उपयोगी हुन सक्छ भन्ने कुरा हेर्नेछौं। हामी हृदय विफलता सम्बन्धी डेटा सेटको अन्वेषण गर्नेछौं र कसैलाई हृदय विफलता हुने सम्भावना मूल्यांकन गर्न मद्दत गर्ने मोडेल निर्माण गर्नेछौं। हामी क्लाउडको शक्ति प्रयोग गरेर मोडेललाई दुई फरक तरिकामा प्रशिक्षण, तैनात र उपभोग गर्नेछौं। एउटा तरिका केवल प्रयोगकर्ता इन्टरफेस प्रयोग गरेर "Low code/No code" शैलीमा हुनेछ भने अर्को तरिका Azure Machine Learning Software Developer Kit (Azure ML SDK) प्रयोग गरेर हुनेछ।
- डेटा विज्ञानका लागि क्लाउड किन प्रयोग गर्ने?
- क्लाउडमा डेटा विज्ञान: "Low code/No code" तरिका
- क्लाउडमा डेटा विज्ञान: "Azure ML SDK" तरिका
यी पाठहरू ☁️ र 💕 सहित Maud Levy र Tiffany Souterre द्वारा लेखिएका हुन्।
हृदय विफलता भविष्यवाणी परियोजनाको डेटा Larxel बाट Kaggle मा लिइएको हो। यो Attribution 4.0 International (CC BY 4.0) अन्तर्गत लाइसेन्स गरिएको छ।
अस्वीकरण:
यो दस्तावेज़ AI अनुवाद सेवा Co-op Translator प्रयोग गरेर अनुवाद गरिएको छ। हामी शुद्धताको लागि प्रयास गर्छौं, तर कृपया ध्यान दिनुहोस् कि स्वचालित अनुवादहरूमा त्रुटि वा अशुद्धता हुन सक्छ। यसको मूल भाषा मा रहेको मूल दस्तावेज़लाई आधिकारिक स्रोत मानिनुपर्छ। महत्वपूर्ण जानकारीको लागि, व्यावसायिक मानव अनुवाद सिफारिस गरिन्छ। यस अनुवादको प्रयोगबाट उत्पन्न हुने कुनै पनि गलतफहमी वा गलत व्याख्याको लागि हामी जिम्मेवार हुने छैनौं।