第 6 章 数据科学工作者教程
为了帮助您快速开始工作,您可以访问 Red Hat OpenShift Data Science 及其支持的应用程序的学习资源。这些资源可在 Red Hat OpenShift Data Science 用户界面的 Resources 选项卡中找到。
资源名称 | 描述 |
---|---|
使用 Numba 在 Python 中加速科学工作负载 | 观看有关如何使您的 Python 代码运行更快的视频。 |
在 Python 中构建交互式视觉化和仪表板 | 跨越多个笔记本浏览各种数据,了解如何部署完整仪表板和应用程序。 |
使用 scikit-learn 构建机器学习模型 | 了解如何利用 scikit-learn(高级学习、非监管学习和分类问题)构建机器学习模型。 |
构建二进制分类模型 | 培训模式以预测客户是否有可能订阅银行促销。 |
为数据视觉化选择 Python 工具 | 使用 PyViz.org 网站以帮助您决定最适合您的开源 Python 数据视觉化工具。 |
探索用于数据科学的 Anaconda | 了解 Anaconda,这是 Python 和 R 编程语言的免费开源分发。 |
Pachyderm 概念入门 | 通过创建在几个镜像上执行边缘检测的管道,了解 Pachyderm 的主要概念。 |
带有 Numba 的 Python 中的 GPU 计算 | 了解如何使用 Numba 创建 GPU 加速功能。 |
运行 Python 笔记本在 IBM Watson OpenScale 中生成结果 | 运行 Python 笔记本电脑来创建、培训和部署机器学习模型。 |
运行 AutoAI 试验来构建模型 | 观看关于为营销活动构建二进制分类模型的视频。 |
在 Pachyderm 中培训回归模型 | 了解如何使用 Pachyderm 集群创建用于试验、分析数据并设置回归集群的示例数据存储库。 |
使用 Dask 进行并行数据分析 | 使用 Dask(一种可扩展现有 Python 生态系统的并行计算库)并行分析本地的中型数据集。 |
在 Watson Studio 中使用 Jupyter 笔记本 | 观看关于在 Watson Studio 中使用 Jupyter 笔记本的视频。 |
使用 Pandas 在 Python 中进行数据分析 | 了解如何使用 pandas(一个 Python 编程语言的数据分析库)。 |
资源名称 | 描述 |
---|---|
创建 Jupyter 笔记本 | 在 JupyterLab 中创建 Jupyter 笔记本。 |
使用 NVIDIA GPU 附加组件创建机器学习模型 | 在 Jupyter 上创建机器学习模型,它使用您已提供的 GPU。 |
创建启用 Anaconda 的 Jupyterbook | 创建一个启用 Anaconda 的 Jupyter 笔记本并访问为安全性和兼容性而策展的 Anaconda 软件包。 |
使用 Watson Studio 部署模型 | 在 Watson Studio 中导入笔记本,并使用 AutoAI 构建和部署模型。 |
使用 Flask 和 OpenShift 部署示例 Python 应用程序 | 在 Jupyterbook 和 Flask 应用程序中部署您的数据科学模型,以用作开发沙盒。 |
导入 Pachyderm Beginner 教程说明书 | 加载 Pachyderm 的初学教程教程,并了解 Pachyderm 的主概念,如数据存储库、管道以及使用单元格中的 pachctl CLI。 |
安装和验证 NVIDIA GPU 附加组件 | 了解如何安装并验证 Jupyter 检测到可用的 GPU 可用。 |
打开金丝雀部署启动和更新 SK 学习模型 | 打开 SK 学习模型并使用 Canary 部署实践进行更新。 |
使用 Starburst Galaxy 查询数据 | 学习如何使用 Starburst Galaxy 从 Jupyter 笔记本查询数据。 |
使用 Red Hat OpenShift API Management 保护部署模型 | 使用 Red Hat OpenShift API Management 保护模型服务 API。 |
使用 Intel® oneAPI AI Analytics Toolkit(AI Kit) 记书本 | 使用 Intel® oneAPI AI 分析工具包运行数据科学说明书示例。 |
使用 OpenVINO 工具包 | 使用 OpenVINO 模型优化器提供 ONNX 计算机愿景模型并使用笔记本中推断的结果。 |
资源名称 | 描述 |
---|---|
如何在笔记本运行时环境选项之间进行选择 | 探索用于配置笔记本运行时环境的可用选项。 |
如何清理、形成和视觉化数据 | 了解如何使用 IBM Watson Studio 数据优化清理和形成表格数据。 |
如何创建连接以访问数据 | 了解如何在平台中创建与各种数据源的连接。 |
如何创建部署空间 | 了解如何为机器学习创建部署空间。 |
如何在 Watson Studio 中创建笔记本 | 了解如何在 Watson Studio 中创建基本的 Jupyter 笔记本。 |
如何在 Watson Studio 中创建项目 | 了解如何在 Watson Studio 中创建分析项目。 |
如何创建与 Git 集成的项目 | 了解如何将 Git 存储库的资产添加到项目中。 |
如何在笔记本中安装 Python 软件包 | 了解如何在笔记本服务器中安装其他 Python 软件包。 |
如何将数据加载到 Jupyter 笔记本 | 了解如何通过加载数据将数据源整合到 Jupyter 笔记本中。 |
如何使用 OpenVINO Model Server 提供模型 | 了解如何使用 OpenVINO 自定义资源使用 OpenVINO 型号服务器部署优化模型。 |
如何设置 Watson OpenScale | 了解如何通过 OpenScale 跟踪和衡量来自模型的成果。 |
如何更新笔记本服务器设置 | 了解如何在笔记本服务器上更新设置或笔记本镜像。 |
如何使用 Amazon S3 存储桶中的数据 | 了解如何使用环境变量在 S3 存储中连接数据。 |
如何在笔记本服务器上查看已安装的软件包 | 了解如何查看在运行的笔记本服务器上安装了哪些软件包。 |
6.1. 访问教程
您可以访问 Red Hat OpenShift Data Science 及其支持的应用程序的学习资源。
先决条件
- 确保您已登陆到 Red Hat OpenShift Data Science。
- 已登陆到 OpenShift Dedicated Web 控制台。
步骤
在 Red Hat OpenShift Data Science 主页上,单击 Resources。
Resources 页面将打开。
- 点相关卡上的 Access tutorial。
验证
- 您可以访问 Red Hat OpenShift Data Science 及其支持的应用程序的学习资源。
其他资源
- 常见问题.