آموزش خدمات یادگیری ماشین SQL Server: پایتون

SQL Server Machine Learning Services: Python

نکته: آخرین آپدیت رو دریافت میکنید حتی اگر این محتوا بروز نباشد.
نمونه ویدیوها:
توضیحات دوره: بیاموزید که چگونه داده های SQL Server را با پایتون تجزیه و تحلیل کنید. آدام ویلبرت ، متخصص پایگاه داده ، نحوه استفاده از ترکیبی قدرتمند از ابزارها ، از جمله کتابخانه های پایتون با کارایی بالا و الحاقیه خدمات یادگیری ماشین ، را مستقیماً درون SQL Server برای ساده سازی تجزیه و تحلیل نشان می دهد. آدام نشان می دهد که چگونه از اسکریپت های پایتون برای انجام تجزیه و تحلیل آماری ، تولید گرافیک مانند نمودارهای پراکندگی و نمودارهای میله ای و پردازش داده های جدولی استفاده کنید. وی همچنین توضیح می دهد که چگونه اسکریپت پایتون را به روشی ذخیره شده تبدیل کرده و سرویس های ML مستقل را برای اجرای اسکریپت ها بدون تأثیر بر عملکرد SQL Server تنظیم می کند.
موضوعات شامل:
  • تجزیه و تحلیل داده های SQL Server با Python
  • نصب خدمات یادگیری ماشین
  • نوشتن اسکریپت های Python برای SQL Server
  • بسته ها و کتابخانه های پایتون
  • تولید گرافیک با Matplotlib
  • پردازش داده های جدول
  • ایجاد یک روش ذخیره شده SQL
  • ایجاد مشتری علمی داده های خارجی

سرفصل ها و درس ها

مقدمه Introduction

  • داده های SQL Server را با Python تجزیه و تحلیل کنید Analyze SQL Server data with Python

  • آنچه باید بدانید What you should know

  • با استفاده از پرونده های تمرینی Using the exercise files

1. با MLS شروع کنید 1. Get Started with MLS

  • خدمات یادگیری ماشینی چیست؟ What is machine learning services?

  • سرویس های ML را برای پایتون نصب کنید Install ML services for Python

  • اجرای اسکریپت را در SQL Server فعال کنید Enable script execution in SQL Server

  • از متغیرها در پایتون استفاده کنید Use variables in Python

  • در حین حلقه ، پایتون ایجاد کنید Create a Python while loop

2. اسکریپت های پایتون را برای SQL Server بنویسید 2. Write Python Scripts for SQL Server

  • وارد یک مجموعه داده از سرور SQL Import a dataset from SQL Server

  • فریم داده را دستکاری کنید Manipulate a data frame

  • خروجی نتیجه تنظیم شده در SQL Server Output a result set to SQL Server

  • خطاهای نحوی پایتون Python syntax pitfalls

  • چالش: وارد کردن یک فریم داده Challenge: Import a data frame

  • راه حل: وارد کردن یک فریم داده Solution: Import a data frame

3. ماژول های بسته بندی پایتون و کتابخانه ها 3. Python Package Modules and Libraries

  • بسته های منبع باز آناکوندا The Anaconda open-source packages

  • توابع در بسته revoscalepy Functions in the revoscalepy package

  • با microsoftml مدل ، آموزش و نمره بگیرید Model, train, and score with microsoftml

  • با MatPlotLib گرافیک تولید کنید Produce graphics with MatPlotLib

  • آمار توصیفی را با پاندا دریافت کنید Get descriptive statistics with pandas

  • چالش: از یک فریم داده نمونه بگیرید Challenge: Sample a data frame

  • راه حل: از یک فریم داده نمونه بگیرید Solution: Sample a data frame

4- پردازش داده های جدولی 4. Processing Tabular Data

  • مقادیر را با فهرست و سری برگردانید Return values with indexes and series

  • یک سری را به یک قاب داده تبدیل کنید Convert a series to a data frame

  • چندین سری را به یک قاب داده اضافه کنید Add multiple series to a data frame

  • فهرست را در یک قاب داده قرار دهید Include the index in a data frame

  • یک فریم داده را به سری برش دهید Slice a data frame to series

  • چالش: واردات و پردازش داده ها Challenge: Import and process data

  • راه حل: داده ها را وارد و پردازش کنید Solution: Import and process data

5- یک روش ذخیره شده SQL ایجاد کنید 5. Create a SQL Stored Procedure

  • یک روش ذخیره شده پایتون ایجاد کنید Create a Python stored procedure

  • روش را پارامتر کنید Parameterize the procedure

  • چالش: یک روش ذخیره شده را بنویسید Challenge: Write a stored procedure

  • راه حل: یک روش ذخیره شده را بنویسید Solution: Write a stored procedure

6. یک Client Science Data External ایجاد کنید 6. Create an External Data Science Client

  • MLS را روی یک سرور مستقل نصب کنید Install MLS on a standalone server

  • ابزارهای توسعه را به مشتری اضافه کنید Add development tools to the client

  • با نوت بوک های Jupyter کار کنید Work with Jupyter Notebooks

نتیجه Conclusion

  • مراحل بعدی Next steps

نمایش نظرات

آموزش خدمات یادگیری ماشین SQL Server: پایتون
جزییات دوره
2h 28m
36
Linkedin (لینکدین) Linkedin (لینکدین)
(آخرین آپدیت)
2,428
- از 5
ندارد
دارد
دارد
Adam Wilbert
جهت دریافت آخرین اخبار و آپدیت ها در کانال تلگرام عضو شوید.

Google Chrome Browser

Internet Download Manager

Pot Player

Winrar

Adam Wilbert Adam Wilbert

کارشناس تجسم داده آدام ویلبرت یک متخصص تجسم داده است که به مشتریان کمک می کند اطلاعات بهتری از داده های خود بدست آورند.

آدام بعنوان مشاور و مربی بیش از 5 سال را صرف کمک به مشتریان دولت ، بنگاههای اقتصادی و غیرانتفاعی کرده است تا از Access و Excel به طور کارآمد استفاده کنند. آدام علاوه بر اینکه کارگاه های Access و Excel را در سراسر ایالات متحده از طریق مشارکت با مرکز آموزش محیط زیست Northwest انجام داده است ، پایگاه داده های Access را برای مدیران خدمات پارک ملی و دانشمندان سازمان زمین شناسی ایالات متحده ایجاد کرده است. رویدادهای آموزش چند روزه عمیق وی به نفع شرکت های خصوصی مانند بوئینگ و ورایزون ، سازمان های غیردولتی و کارمندان دولت در آژانس هایی مانند آژانس حفاظت از محیط زیست ، دفتر مدیریت سرزمین و سپاه مهندسان ارتش است.

آدام به عنوان بنیانگذار CartoGaia ، یک شرکت نقشه برداری ، محصولات نقشه برداری با کیفیت انتشار را تولید می کند تا آگاهی در چیدمان فضایی داده ها را کشف کند تا به راهنمایی سیاست گذاران و تصمیم گیرندگان در طیف گسترده ای از کاربردهای محیطی و تجاری کمک کند. وی به عنوان یکی از مشارکت کنندگان برجسته نسخه افتتاحیه اطلس طراحی انجمن اطلاعات کارتوگرافی آمریکای شمالی انتخاب شد. می توانید با آدام در توییتر awilbert یا در adamwilbert.com .