خدمات یادگیری ماشین SQL Server: Python

مدرس Adam Wilbert

انتشار 2020/03/10

به‌روز‌رسانی 2023/12/21

مدت زمان 2h 31m

سطح پیشرفته

فایل تمرینی دارد

آموزش SQL Server Machine Learning Services: Python

با نحوه تجزیه و تحلیل داده های SQL Server با پایتون آشنا شوید. آدام ویلبرت، کارشناس پایگاه داده، نحوه استفاده از ترکیبی قدرتمند از ابزارها، از جمله کتابخانه‌های پایتون با کارایی بالا و افزونه خدمات یادگیری ماشین، را مستقیماً در SQL Server برای ساده‌سازی تحلیل نشان می‌دهد. آدام نحوه استفاده از اسکریپت های پایتون را برای انجام تحلیل های آماری، تولید گرافیک هایی مانند نمودارهای پراکنده و میله ای و پردازش داده های جدولی نشان می دهد. او همچنین توضیح می دهد که چگونه می توان یک اسکریپت پایتون را به یک رویه ذخیره شده تبدیل کرد و سرویس های ML مستقل را برای اجرای اسکریپت ها بدون تأثیر بر عملکرد SQL Server راه اندازی کرد.

Machine Learning Microsoft SQL Server Python (Programming Language)

Introduction

Analyze SQL Server data with Python ()

What you should know ()

Using the exercise files ()

1. Get Started with MLS

Install ML services for Python ()

What is machine learning services? ()

Enable script execution in SQL Server ()

Use variables in Python ()

Create a Python while loop ()

2. Write Python Scripts for SQL Server

Manipulate a data frame ()

Import a dataset from SQL Server ()

Output a result set to SQL Server ()

Python syntax pitfalls ()

Challenge: Import a data frame ()

Solution: Import a data frame ()

3. Python Package Modules and Libraries

The Anaconda open-source packages ()

Functions in the revoscalepy package ()

Model, train, and score with microsoftml ()

Produce graphics with MatPlotLib ()

Get descriptive statistics with pandas ()

Challenge: Sample a data frame ()

Solution: Sample a data frame ()

4. Processing Tabular Data

Return values with indexes and series ()

Convert a series to a data frame ()

Add multiple series to a data frame ()

Include the index in a data frame ()

Slice a data frame to series ()

Challenge: Import and process data ()

Solution: Import and process data ()

5. Create a SQL Stored Procedure

Create a Python stored procedure ()

Parameterize the procedure ()

Challenge: Write a stored procedure ()

Solution: Write a stored procedure ()

6. Create an External Data Science Client

Install MLS on a standalone server ()

Add development tools to the client ()

Work with Jupyter Notebooks ()

Conclusion

Next steps ()

Ex_Files_SQL_Server_Python.zip (33 KB)

دانلود فایل فشرده

با توجه به امکانات آموزش و همچنین امکانات بسته انتخاب شده لینک دانلود فایل فشرده آماده خواهد شد. با در نظر داشتن این شرایط لطفا بسته مورد نظر خود را انتخاب کرده و روی دکمه درخواست لینک دانلود کلیک کنید

در حال به روزرسانی اطلاعات

درخواست لینک دانلود

در حال به روزرسانی اطلاعات

لطفا قبل از فعالسازی لینک دانلود به موارد زیر توجه کنید:

پسورد فایل‌های فشرده است.
لینک‌های آماده شده تا 8 روز پس از فعالسازی منقضی خواهند شد.
حجم فایل‌ها تخمینی هستند.
در صورتی که لینک دانلود تا 15دقیقه پس از درخواست آماده نشد، از بخش پشتیبانی پیگیری نمایید.