Charge de travail des applications de science et d’analyse des données dans Visual Studio

La charge de travail des applications de science et d’analyse des données dans Visual Studio regroupe plusieurs langages et leurs distributions d’exécution respectives :

• Python
• F# avec le .NET Framework

Python est un langage de script principal utilisé pour la science des données. Python est facile à apprendre et prend en charge un écosystème riche de packages. Ces packages traitent d’un large éventail de scénarios tels que l’acquisition de données, le nettoyage, l’entraînement du modèle, le déploiement et le traçage. F# est également un langage .NET fonctionnel puissant applicable à un large éventail de tâches de traitement des données.

Installation de la charge de calcul

La charge de travail des applications de science des données et d'analyse est disponible dans le programme d’installation de Visual Studio sous Charges de travail>Autres ensembles d'outils :

Par défaut, la charge de travail installe les options suivantes, que vous pouvez modifier dans la section récapitulative de la charge de travail dans Visual Studio Installer :

• Prise en charge du langage F# pour poste de travail
• Python:
  • Prise en charge du langage Python
  • Prise en charge de Python web
  • Outils de développement natifs Python

Intégration de SQL Server

SQL Server prend en charge l’utilisation de Python pour effectuer des analyses avancées directement à l’intérieur de SQL Server. La prise en charge de Python est disponible dans SQL Server 2017 CTP 2.0 et versions ultérieures.

Vous bénéficiez des avantages suivants en exécutant votre code où vos données vivent déjà :

• Élimination du déplacement des données : au lieu de déplacer des données de la base de données vers votre application ou modèle, vous pouvez créer des applications dans la base de données. Cette fonctionnalité élimine les obstacles à la sécurité, à la conformité, à la gouvernance, à l’intégrité et à une multitude de problèmes similaires liés au déplacement de grandes quantités de données. Vous pouvez également consommer des jeux de données qui ne tiendraient pas dans la mémoire d’un ordinateur client.

• Déploiement facile : une fois que vous avez un modèle prêt, le déployer en production est une question simple d’incorporation du modèle dans un script T-SQL. Toute application cliente SQL écrite dans n’importe quel langage peut ensuite tirer parti des modèles et de l’intelligence par le biais d’un appel de procédure stockée. Aucune intégration de langage spécifique n’est nécessaire.

• Performances et mise à l’échelle de qualité professionnelle : vous pouvez utiliser des fonctionnalités avancées de SQL Server, comme les tables en mémoire et les index column-store, avec des API évolutives à hautes performances dans les packages RevoScale. L’élimination du déplacement des données signifie également que vous évitez les contraintes de mémoire client à mesure que vos données augmentent ou que vous souhaitez augmenter les performances de l’application.

• Extensibilité enrichie : vous pouvez installer et exécuter l’un des derniers packages open source dans SQL Server pour créer des applications d’apprentissage profond et d’IA sur de grandes quantités de données dans SQL Server. L’installation d’un package dans SQL Server est aussi simple que l’installation d’un package sur votre ordinateur local.

• Disponibilité étendue sans frais supplémentaires : les intégrations de langage sont disponibles dans toutes les éditions de SQL Server 2017 et ultérieures, y compris l’édition Express.

Installation de l’intégration de SQL Server

Pour tirer pleinement parti de l’intégration de SQL Server, utilisez Visual Studio Installer pour installer les charges de travail>autres ensembles d’outils>stockage et traitement des données. Sélectionnez l’option SQL Server Data Tools pour activer SQL IntelliSense, la mise en surbrillance de la syntaxe et le déploiement :

Pour plus d’informations, consultez Python dans SQL Server 2017 : Machine Learning intégré à la base de données (blog).

Autres services et kits sdk

Outre ce qui se trouve directement dans la charge de travail Applications de science et d’analyse des données, Notebooks dans Visual Studio Code et le kit de développement logiciel (SDK) Azure pour Python sont également utiles pour la science des données.

Le Kit de développement logiciel (SDK) Azure pour Python facilite l’utilisation et la gestion des services Microsoft Azure à partir d’applications s’exécutant sur Windows, Mac et Linux. Pour plus d’informations, consultez Azure pour les développeurs Python.

Vous pouvez combiner l’extension Jupyter avec notebooks dans Visual Studio Code pour prendre en charge le développement Jupyter et améliorer votre projet avec des extensions de langage supplémentaires. Le service inclut des exemples de notebooks en Python, R et F# pour commencer. Pour plus d’informations, consultez les expériences liées aux notebooks de Microsoft et GitHub.