企业官网建设流程全解析

Data-Science-For-Beginners 云数据科学入门：从云计算基础到云端数据科学实战

【免费下载链接】Data-Science-For-Beginners10 Weeks, 20 Lessons, Data Science for All!项目地址: https://gitcode.com/GitHub_Trending/da/Data-Science-For-Beginners

云计算已成为数据科学落地大规模数据项目的基础设施选择。本文是 Data-Science-For-Beginners 开源课程第 17 课（模块 5"云中的数据科学"第一讲）的完整技术解读，围绕 翻译版原文 与 英文原版 展开：你将系统掌握云计算的三种部署形态与三大服务模型，理解云端运行数据科学项目的七大收益，并通过"实时社交媒体情感分析"与"科学论文分析"两个真实案例，看到云服务如何贯穿数据存储、集成、处理、分析与机器学习全链路，为后续学习低代码/无代码建模与 Azure ML SDK 编程式建模打下基础。

本课配套的草图笔记（Sketchnote），出自课程 sketchnotes 目录

什么是云计算

云计算的定义

云计算（Cloud Computing）是指通过互联网，以**按需付费（pay-as-you-go）**的方式交付一系列托管在基础设施之上的计算服务。这些服务涵盖存储、数据库、网络、软件、数据分析以及智能服务等多种解决方案。其核心特征是：使用者无需自建机房，即可按需租用计算资源，并只为实际使用的部分付费。

云计算的三种部署形态

课程将云按照部署方式区分为公有云、私有云与混合云：

云服务的三大模型：IaaS、PaaS 与 SaaS

绝大多数云计算服务可归入三类服务模型：

• 基础设施即服务（IaaS）：用户租用 IT 基础设施，包括服务器、虚拟机（VM）、存储、网络与操作系统。用户拥有对底层资源的最高控制权，适合需要自定义环境的场景。
• 平台即服务（PaaS）：用户租用一个用于开发、测试、交付和管理软件应用的完整环境，无需操心服务器、存储、网络、数据库等底层基础设施的搭建与维护，可专注业务代码本身。
• 软件即服务（SaaS）：用户按需（通常按订阅制）通过网络访问现成的软件应用，无需关心应用的托管、底层基础设施以及软件升级、安全补丁等维护工作。

课程指出，当前规模较大的云服务提供商包括 Amazon Web Services（AWS）、Google Cloud Platform（GCP）与 Microsoft Azure。需要说明的是，本课程系列的后续实践均以 Microsoft Azure 为落地平台（详见 模块 5 总览）。

为什么为数据科学选择云计算

开发者与 IT 专业人员选择云计算通常基于以下七个理由，它们也直接对应数据科学项目的实际诉求：

• 创新（Innovation）：可将云服务商提供的创新服务直接集成进应用，快速为数据产品增添能力，而无需从零研发。
• 灵活性（Flexibility）：只为所需服务付费，按使用量计费，并可根据业务演进随时调整服务组合。
• 预算（Budget）：省去采购硬件软件、搭建并运维本地数据中心的前期投入，实现"为实际使用付费"。
• 可伸缩性（Scalability）：资源随项目需求伸缩，应用可随时增减计算能力、存储与带宽，以应对外部因素变化。
• 生产力（Productivity）：将数据中心管理等可外包事务交给云服务商，让团队聚焦核心业务与数据科学本身。
• 可靠性（Reliability）：云提供多种持续数据备份方式，并可制定灾难恢复计划，保障危机时期业务与服务持续运行。
• 安全性（Security）：借助云服务商提供的策略、技术与控制手段，强化项目的整体安全防护。

云计算如何破解数据科学家的五大难题

在理解云的基础概念后，课程进一步聚焦数据科学家与数据处理开发者的日常工作，说明云服务如何针对性地解决五类典型挑战：

1. 海量数据存储：无需购买、管理与保护大型服务器，可将数据直接存入云端，例如 Azure Cosmos DB（文档型数据库）、Azure SQL Database（关系型数据库）与 Azure Data Lake Storage（数据湖存储）。
2. 数据集成：数据集成是数据科学从"收集数据"走向"采取行动"的关键环节。借助云端数据集成服务（如 Azure Data Factory），可以收集、转换并整合来自多源的数据，汇入统一的数据仓库。
3. 数据处理：处理海量数据需要强大的计算能力，并非所有人都拥有足够强劲的本地机器。许多人选择直接借助云端庞大的算力来运行和部署解决方案。
4. 数据分析服务：Azure Synapse Analytics、Azure Stream Analytics、Azure Databricks 等云端分析服务，可将原始数据转化为可行动的洞察。
5. 机器学习与数据智能服务：不必从零实现算法，可直接使用云服务商提供的机器学习服务（如 AzureML）；还可调用语音转文本、文本转语音、计算机视觉等认知服务。

云中数据科学实战案例

为了让概念落地，课程给出两个真实场景，展示云服务如何组合成端到端的数据科学方案。

案例一：实时社交媒体情感分析

这是机器学习初学者最常研究的入门场景之一。假设你运营一个新闻网站，希望借助实时数据了解读者可能感兴趣的内容，可以构建一个对 Twitter 上与读者相关的主题进行实时情感分析的程序。

项目的关键指标有两个：特定主题（hashtag）下的推文数量（音量）与情感倾向，后者由对指定主题执行情感分析的分析工具得出。构建该项目的主要步骤包括：

1. 创建用于流式输入的事件中心（Event Hub），负责从 Twitter 收集数据；
2. 配置并启动一个 Twitter 客户端应用，调用 Twitter Streaming API；
3. 创建 Stream Analytics 作业；
4. 指定作业的输入与查询逻辑；
5. 创建输出接收器（output sink）并指定作业输出；
6. 启动作业。

该流程对应的技术栈是：Twitter Streaming API → Azure Event Hub → Azure Stream Analytics 作业（含情感分析查询）→ 输出接收器，是一条典型的"流式数据 → 实时分析 → 洞察输出"链路，与本模块后续 第 18 课低代码建模、第 19 课 Azure ML SDK 建模 中"训练—部署—消费"的云端工作流互为补充。

案例二：科学论文分析（COVID 论文）

第二个案例来自本课程作者之一 Dmitry Soshnikov。他构建了一个分析 COVID 相关科学论文的工具，展示如何从海量论文中抽取知识、获得洞察，帮助研究人员高效地在大型文献集合中导航。该项目的技术组合为：

1. 信息抽取与预处理：使用 Text Analytics for Health（健康文本分析）服务提取并预处理论文信息；
2. 并行处理：使用 Azure ML 将处理过程并行化；
3. 存储与查询：使用 Cosmos DB 存储并查询抽取出的信息；
4. 可视化：使用 Power BI 创建交互式仪表盘，支持数据的探索与可视化。

从存储（Cosmos DB）、计算（Azure ML）、分析（Text Analytics for Health）到可视化（Power BI），这个案例完整演示了"文档型数据 + 认知服务 + 并行计算 + BI 可视化"的云端数据科学范式，与课程 数据/工具 目录中的表格数据（如心脏病、鸟类、蜂蜜等数据集）形成了"结构化数据建模"与"非结构化文本分析"两种应用路径的对照。

本课在课程体系中的定位与后续延伸

本课是模块 5"云中的数据科学"的开篇入门课。从 模块总览 可以看到，接下来的两课将围绕同一份心脏衰竭（Heart Failure）数据集，分别以两种方式完成模型的训练、部署与消费：

• 第 18 课：低代码/无代码方式 —— 在 Azure ML Studio 中通过图形界面（GUI）与 AutoML 训练并部署模型；
• 第 19 课：Azure ML SDK 方式 —— 使用 Python 编写代码完成同样的全流程，配套的 notebook.ipynb 中包含了从Workspace.from_config()初始化、创建AmlCompute计算集群、配置AutoMLConfig、提交实验到Model.deploy部署与端点消费的完整可运行代码。

两种方式的取舍从源码中也能直观看出：低代码方式以 GUI 交互为主、无需编程经验、适合快速验证项目可行性与搭建概念验证（POC）；而 SDK 方式要求编程能力，但能以代码自动化"从资源创建到模型部署"的全流程，满足生产级要求。

本课程后续两课将沿"低代码/无代码"与"Azure ML SDK"两条路径完成同一个心脏衰竭预测项目

课后实践：云服务商市场调研

本课的作业 Market Research（希腊语版）要求：针对多家主流云服务商开展市场调研，分析各家能为数据科学家提供哪些服务，并比较这些服务是否具有可比性，最终写一篇描述至少三家云服务商数据科学服务方案的文章。评判标准为：能在一页篇幅内描述三家服务商的数据科学服务并指出彼此差异，即达"优秀"水平。这一作业正是对本课"云为何重要、云能提供什么"知识点的实践检验，也可作为读者入门各云平台数据科学生态的起点。

总结

本课作为"云中的数据科学"模块的导论，回答了三个核心问题：云是什么（按需付费的互联网计算服务，分为公有/私有/混合云，对应 IaaS/PaaS/SaaS 三种模型）、为什么用云做数据科学（创新、灵活、控预算、可伸缩、提生产力、高可靠、强安全七大收益，以及解决存储、集成、处理、分析、机器学习五类具体难题）、云上数据科学长什么样（实时情感分析、科学论文分析两个端到端案例）。掌握这些基础后，即可进入 第 18 课 与 第 19 课，亲手在云端完成一个完整的数据科学项目。

【免费下载链接】Data-Science-For-Beginners10 Weeks, 20 Lessons, Data Science for All!项目地址: https://gitcode.com/GitHub_Trending/da/Data-Science-For-Beginners