Azure에서 주로 사용되는 언어들은 C#, JavaScript, Python과 같은 개발 언어들입니다. 파이썬 진영에서는 머신 러닝이나 데이터 사이언스 분야에서 주로 권장되는 패키지가 아나콘다를 많이 권장하고 사용합니다.
Azure클라우드 환경에서 동일한 환경을 사용할 수 있습니다. 기존 파이썬 개발자들은 약간의 시간만 투자하면 기존 개발환경과 크게 다르지 않게 사용할 수 있습니다.
이 모듈에서는 다음을 수행합니다.
Jupyter Notebook을 Azure Notebooks에 만들고, 데이터를 가져오고, Notebook에 로드된 데이터를 봅니다.
Pandas를 사용하여 기계 학습 모델에 사용할 데이터를 정리하고 준비합니다.
Scikit-learn을 사용하여 기계 학습 모델을 만듭니다.
Matplotlib를 사용하여 모델의 성능을 시각화합니다.
아래의 사이트로 접속하면 간단한 테스트를 해볼 수 있습니다.
https://notebooks.azure.com/
상단에 있는 My Projects를 클릭합니다.
상단의 New Project 를 눌러서 아래와 같이 입력해서 생성합니다.
상단의 +Notebook을 클릭합니다.
아래와 같이 입력해서 Notebook을 하나 생성합니다.
.ipynb 파일 이름 확장명은 "IPython Notebook"을 의미합니다. Jupyter Notebooks는 원래 IPython(대화형 Python) Notebooks로 알려졌으며 Python을 프로그래밍 언어로만 지원했습니다. Jupyter라는 이름은 Jupyter에서 지원하는 핵심 프로그래밍 언어인 Julia, Python 및 R의 조합입니다.
편집을 위해 Notebook을 클릭합니다. 개발자들에게 매우 익숙한 이런 화면이 오픈됩니다. ^^
첫번째 셀에서 아래와 같이 입력합니다.
curl은 Bash 명령입니다. Jupyter Notebook에서 Bash 명령은 느낌표를 접두사로 사용하여 실행할 수 있습니다. 이 명령은 Azure Blob 스토리지에서 CSV 파일을 다운로드하고 flightdata.csv 이름을 사용하여 저장합니다.
두번째 셀에서 판다스를 사용해서 데이터를 로딩합니다.
만든 DataFrame에 미국 주요 항공사의 정시 도착 정보가 포함되어 있습니다. 11,000개가 넘는 행과 26개의 열이 있습니다. (DataFrame의 head 함수는 처음 5개의 행만 반환하므로 출력에 "5개 행"이라고 표시됩니다.) 각 행은 하나의 항공편을 나타내며, 출발지, 목적지, 예정 출발 시간 및 항공편의 정시 도착 또는 지연 도착 여부와 같은 정보를 포함하고 있습니다. 이 모듈의 데이터는 잠시 후에 좀 더 자세히 살펴보겠습니다.
파일 -> 저장 및 검사점 명령을 사용하여 Notebook을 저장합니다.
파이썬의 노트북 개발환경 사용하기 문서 입니다.
https://docs.microsoft.com/ko-kr/learn/modules/predict-flight-delays-with-python/0-introduction
머신 러닝에 대한 전체 경로는 아래 링크를 참조하면 됩니다.
https://docs.microsoft.com/ko-kr/learn/paths/intro-to-ml-with-python/
