படம் Jelleke Vanooteghem மூலம் Unsplash இல் இருந்து
பெரிய தரவுகளுடன் தரவியல் அறிவியல் செய்யும்போது, கிளவுட் ஒரு முக்கிய மாற்றத்தை ஏற்படுத்த முடியும். அடுத்த மூன்று பாடங்களில், கிளவுட் என்ன மற்றும் அது ஏன் மிகவும் பயனுள்ளதாக இருக்க முடியும் என்பதை நாம் காணப்போகிறோம். மேலும், நாங்கள் ஒரு இதய செயலிழப்பு தரவுத்தொகுப்பை ஆராய்ந்து, ஒருவருக்கு இதய செயலிழப்பு ஏற்படும் சாத்தியத்தை மதிப்பீடு செய்ய உதவும் ஒரு மாதிரியை உருவாக்கப் போகிறோம். கிளவுட்டின் சக்தியை பயன்படுத்தி, இரண்டு விதங்களில் ஒரு மாதிரியை பயிற்சி, வெளியிட மற்றும் பயன்படுத்தப் போகிறோம். ஒன்று, "குறைந்த குறியீடு/குறியீடு இல்லாத" முறையில் பயனர் இடைமுகத்தை மட்டுமே பயன்படுத்துவது; மற்றொன்று, Azure Machine Learning Software Developer Kit (Azure ML SDK) பயன்படுத்துவது.
- தரவியல் அறிவியலுக்கு கிளவுட் ஏன் பயன்படுத்த வேண்டும்?
- கிளவுடில் தரவியல் அறிவியல்: "குறைந்த குறியீடு/குறியீடு இல்லாத" முறை
- கிளவுடில் தரவியல் அறிவியல்: "Azure ML SDK" முறை
இந்த பாடங்கள் ☁️ மற்றும் 💕 உடன் Maud Levy மற்றும் Tiffany Souterre மூலம் எழுதப்பட்டவை.
இதய செயலிழப்பு கணிப்பு திட்டத்திற்கான தரவுகள் Larxel மூலம் Kaggle இல் இருந்து பெறப்பட்டவை. இது Attribution 4.0 International (CC BY 4.0) கீழ் உரிமம் பெற்றது.
குறிப்பு:
இந்த ஆவணம் Co-op Translator என்ற AI மொழிபெயர்ப்பு சேவையைப் பயன்படுத்தி மொழிபெயர்க்கப்பட்டுள்ளது. நாங்கள் துல்லியத்திற்காக முயற்சிக்கிறோம், ஆனால் தானியங்கி மொழிபெயர்ப்புகளில் பிழைகள் அல்லது தவறான தகவல்கள் இருக்கக்கூடும் என்பதை தயவுசெய்து கவனத்தில் கொள்ளுங்கள். அதன் தாய்மொழியில் உள்ள மூல ஆவணம் அதிகாரப்பூர்வ ஆதாரமாக கருதப்பட வேண்டும். முக்கியமான தகவல்களுக்கு, தொழில்முறை மனித மொழிபெயர்ப்பு பரிந்துரைக்கப்படுகிறது. இந்த மொழிபெயர்ப்பைப் பயன்படுத்துவதால் ஏற்படும் எந்த தவறான புரிதல்கள் அல்லது தவறான விளக்கங்களுக்கு நாங்கள் பொறுப்பல்ல.