微软 Azure AI-900 认证指南（十四）Jupyter Notebooks

已于 2025-03-12 09:15:41 修改
阅读量847 收藏 25
点赞数 21
分类专栏： “智途领航“ - AI人才认证与职业提升平台 文章标签： 人工智能 jupyter microsoft 认证 机器学习 ide AI-900
于 2025-01-04 16:21:08 首次发布
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.youkuaiyun.com/liu1983robin/article/details/144931449
版权

在这里插入图片描述

引言

在数据科学和人工智能的开发中，Jupyter Notebooks 已成为不可或缺的工具。无论是进行数据分析、构建机器学习模型，还是进行AI实验，Jupyter Notebooks 提供了一个极为便捷和强大的开发环境。作为现代数据科学和AI开发的核心工具，它以交互式编程、即时执行和丰富的文档支持，使开发者能够更高效地完成任务。本篇文章将深入解析 Jupyter Notebooks 的历史演变、技术特点、云平台集成和实际应用场景，为你提供从入门到精通的全面指南。

1. Jupyter Notebooks的演变历程

在这里插入图片描述

1.1 从IPython到Jupyter Notebooks

Jupyter Notebooks 的诞生源于 IPython，一个交互式Python解释器。最初，IPython 主要为 Py

了解本专栏 订阅专栏 解锁全文 超级会员免费看
【AI认证】微软 Azure AI-102 (三)：设置开发环境
海棠AI实验室
01-10 1315
恭喜你！通过本文的 step-by-step 指南，你已经成功搭建了一个基于 Azure Machine Learning 的 Jupyter Notebook 开发环境，并学会了如何配置和使用 Azure AI Translator API。你现在已经拥有了一个强大的 AI 代码实验室，可以尽情探索 Azure AI 的奥秘，为你的 AI-102 认证考试和未来的 AI 项目开发打下坚实的基础！
微软 Azure AI-900 认证指南（十六）分类
海棠AI实验室
01-04 832
分类是机器学习中的一种监督学习任务，它将输入数据映射到一个有限的类别集合。具体来说，分类任务的目标是预测一个数据点属于哪一个类别或类。该方法通过已标记的数据集来训练模型，模型根据这些训练数据学会区分不同类别的数据，从而实现对新数据的预测。分类任务一般分为二分类和多分类两大类。二分类问题：任务是将数据分为两个类别。例如，判断一封邮件是“垃圾邮件”还是“正常邮件”。多分类问题：任务是将数据分为三个或更多类别。
微软 Azure AI-900 认证指南（十七）聚类
海棠AI实验室
01-04 625
聚类分析（Clustering）是将数据集中的数据点按照某种相似度标准，分组为不同类别的过程。每一组被称为“簇”（Cluster），簇内的数据点相似度较高，而簇与簇之间则相似度较低。聚类是一种无监督学习方法，意味着它不需要标记数据作为训练集，而是依据数据的内在结构进行分类。聚类分析是一项强大的无监督学习技术，通过合理选择算法、参数和评估方法，可以有效地发现数据中的潜在结构。无论是在客户分群、图像分割还是异常检测等应用中，聚类算法都能为我们提供宝贵的洞察。
微软 Azure AI-900 认证指南（十三）评估指标
海棠AI实验室
01-04 917
评估指标是衡量机器学习模型性能的标准工具。它们不仅帮助我们了解模型在训练和测试阶段的表现，还能揭示其在真实场景中的有效性和可靠性。量化模型性能：通过具体的数字衡量模型在各个维度上的表现。比较不同模型：对比多个模型的优劣，选择最适合特定任务的模型。指导模型优化：识别模型的短板，指导数据集和模型的调整方向。确保模型可靠性：确保模型在实际环境中的表现稳定和可靠。在考试中，理解评估指标并能在实际应用中运用它们是成功的关键。
微软 Azure AI-900 认证指南（十八）混淆矩阵
海棠AI实验室
01-04 1112
混淆矩阵（Confusion Matrix）是一个表格形式的工具，用于展示分类模型在预测时的表现。它通过将预测值与实际值的对比，帮助我们直观地分析模型的分类效果。混淆矩阵不仅能告诉我们模型的准确性，还能揭示模型在哪些类别之间产生了错误分类。混淆矩阵是机器学习中的一个基础工具，它能够帮助我们清晰地了解分类模型的性能。通过它，我们不仅可以评估模型的准确性，还可以深刻理解模型在分类过程中可能存在的误差类型。
Azure基础认证（AI-900）完全指南：从入门到考试通过（二）考试的核心内容
海棠AI实验室
01-04 988
在开始深入学习之前，首先要对Azure AI-900认证考试有一个全面的了解。与其他微软认证考试一样，Azure AI-900的内容会定期更新，通常为小幅度调整，确保其与最新的技术发展和市场需求保持同步。需要注意的是，只有当考试代号发生变化时（例如从AI-900更名为AI-901），才意味着考试内容进行了重大改版。因此，在备考期间要及时关注官方发布的最新资讯和更新信息。
Azure基础认证（AI-900）完全指南：从入门到考试通过（三）AI层级
海棠AI实验室
01-04 831
人工智能（AI）是一门模拟、扩展和增强人类智能的技术，它能够自主执行任务，做出智能决策并解决复杂问题。AI的目标不仅仅是模仿人类的行为，还能够在自适应学习的基础上，不断改进决策和预测能力。在AI-900认证的背景下，理解AI的基本定义和应用范围至关重要。人工智能的基本概念是通过计算机系统来模仿人类的智能活动，包括学习、推理、计划、决策等。AI不仅仅是一个简单的程序，而是一种系统化的模拟人类思维和行为的方式。
微软发布VS Code Jupyter插件！不止Python！多语言的Jupyter Notebook支持来了！
dotNET跨平台
11-15 569
北京时间 2020 年 11 月 12 日，微软发布了全新的VS Code Jupyter 插件！Jupyter 插件将 Jupyter Notebook 的功能引入 VS Code，...
微软医疗ai_微软ai运行时内部的外观
weixin_26630173的博客
09-19 274
微软医疗aiToday, I want to wear my software archeology hat, and share with you one story about the AI efforts at Microsoft and how Microsoft built its open-source high-performance AI runtime that is savin...
【大模型:知识图谱】--3.py2neo连接图数据库neo4j
我是个好人呀，????
06-03 1455
本文介绍了Neo4j图数据库的安装与基本操作。主要内容包括：1) 使用py2neo连接Neo4j数据库；2) 通过Python实现节点创建、删除、属性修改等操作；3) 建立节点间关系的方法；4) 使用NodeMatcher和RelationshipMatcher进行节点和关系查询；5) 通过实例演示如何创建人物节点及其关系网络。文章还对比了Neo4j社区版和企业版的差异。全文提供了完整的代码示例，涵盖从连接到CRUD操作的完整流程。
通过基于流视频预测的可泛化双手操作基础策略
yorkhunter的博客
06-04 2192
25年5月来自中国电信、西北工业大学和香港科大的论文“Towards a Generalizable Bimanual Foundation Policy via Flow-based Video Prediction”。 由于动作空间巨大且需要协调手臂运动，学习可泛化的双手操作策略对于具身智体而言极具挑战性。现有方法依赖于视觉-语言-动作 (VLA) 模型来获取双手操作策略。然而，从单臂数据集或预训练 VLA 模型迁移知识通常无法有效泛化，这主要是由于双手数据的匮乏以及单臂和双手操作之间的根本差异。本文
3步在小米13手机跑DeepSeek R1
羊仔的博客
06-03 1601
大家好！我是羊仔，专注AI工具、智能体、编程。
智能终端与边缘计算
最新发布
wozaiwurenchu的博客
06-05 713
Cloudlet的定义和主要特征Cloudlet（微云）概念于2009年首次出现。它是一种成熟的边缘计算系统，旨在将移动计算的“端-云”两层架构转变为**“端-边-云”的三层架构** [对话历史]。Cloudlet通常部署在网络边缘，靠近接入点、基站或汇聚点，甚至可以直接运行在智能网联汽车或无人机上 [对话历史]。主要特征：可信且资源丰富的主机或机群。基于虚拟机技术，为移动终端提供服务。Cloudlet通过将与具体应用相关的数据部分从通用部分中抽离出来，形成VM Overlay与Base VM。
法律AI的“幻觉”治理：大模型如何重塑司法公正与效率
七刀的专栏
06-04 1058
在传统律师事务所中，一位律师审查一份50页的商业合同平均需要3小时；而在引入法律大模型后，这一时间被缩短至20分钟。效率提升的背后，是一场正在席卷全球法律体系的智能化革命——。
【统计方法】树模型，ensemble，bagging, boosting
weixin_48846514的博客
06-04 1124
树模型
【oobabooga 本地AI模型搭建】
开心就好了啦
06-05 844
用于大型语言模型的 Gradio Web UI。其目标是成为文本生成的。
Langchain4j 文档处理（7）
m0_58617940的博客
06-05 1013
来自 langchain4j 模块的文件系统文档加载器（FileSystemDocumentLoader）来自 langchain4j 模块的类路径文档加载器（ClassPathDocumentLoader）来自 langchain4j 模块的网址文档加载器（UrlDocumentLoader）来自 langchain4j-document-loader-amazon-s3 模块的亚马逊 S3 文档加载器（AmazonS3DocumentLoader）
高效VLM：VisionZip
my的博客
06-04 625
《VisionZip：视觉语言模型中的高效视觉标记压缩方法》针对现有视觉语言模型(VLMs)存在的视觉标记冗余问题，提出了一种创新解决方案。研究发现，传统VLMs使用长序列视觉标记会导致计算成本高昂，且大量标记注意力权重趋近于零，存在显著冗余。VisionZip通过两阶段处理（保留主导标记+合并次要标记），在仅保留10%标记的情况下实现95%的原模型性能，并将LLaVA-NeXT模型的预填充时间减少8倍。该方法支持无训练应用、高效微调和从头训练三种模式。
用python与pyqt5写一个自己的ai智能小助手
zouxun660的博客
06-03 434
用python与pyqt5写一个自己的ai智能小助手
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

海棠AI实验室

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值