Installare il supporto per l'analisi scientifica in Visual Studio
Si applica a:
Visual Studio 
Visual Studio per Mac Visual Studio Code
Il carico di lavoro Applicazioni analitiche e di analisi scientifica dei dati, che può essere selezionato e installato tramite il programma di installazione di Visual Studio, riunisce diversi linguaggi e le rispettive distribuzioni di runtime:
Python è un linguaggio di scripting fondamentale usato per le attività di data science. Python è facile da imparare ed è supportato da un nutrito ecosistema di pacchetti. Questi pacchetti soddisfano le esigenze di un'ampia gamma di scenari, ad esempio l'acquisizione e la pulizia dei dati, il training di modelli di dati, la distribuzione dei dati e i tracciati. F# è anche un potente linguaggio .NET funzionale adatto a un'ampia gamma di attività di elaborazione dati.
Opzioni del carico di lavoro
Per impostazione predefinita, il carico di lavoro installa le opzioni seguenti, che è possibile modificare nella sezione di riepilogo per il carico di lavoro nel programma di installazione di Visual Studio:
- Supporto per il linguaggio F# desktop
- Python:
- Supporto linguaggio Python
- Supporto Web Python
- Strumenti di sviluppo nativo Python
Integrazione con SQL Server
SQL Server supporta l'uso di Python per eseguire attività di analisi avanzate direttamente all'interno di SQL Server. Il supporto di Python è disponibile in SQL Server 2017 CTP 2.0 e versioni successive.
L'esecuzione del codice nella posizione in cui si trovano già i dati offre i vantaggi seguenti:
Eliminazione dello spostamento dei dati: invece di spostare dati dal database all'applicazione o al modello, è possibile compilare applicazioni nel database. Questa funzionalità consente di evitare le barriere a livello di sicurezza, conformità, governance e integrità, oltre a una serie di problemi simili correlati allo spostamento di grandi quantità di dati. È anche possibile usare set di dati che non potrebbero essere gestiti con la memoria di un computer client.
Facile distribuzione: una volta pronto un modello, distribuirlo nell'ambiente di produzione è una semplice questione di incorporarlo in uno script T-SQL. Qualsiasi applicazione client SQL scritta in qualsiasi linguaggio può quindi sfruttare modelli e intelligence tramite una chiamata di stored procedure. Non sono necessarie integrazioni specifiche del linguaggio.
Prestazioni e scalabilità di livello aziendale: è possibile usare le funzionalità avanzate di SQL Server, ad esempio tabelle in memoria e indici dell'archivio colonne con le API scalabili ad alte prestazioni nei pacchetti RevoScale. Evitare gli spostamenti di dati significa anche evitare i vincoli di memoria client man mano che aumentano le dimensioni dei dati oppure se si desidera aumentare le prestazioni dell'applicazione.
Estendibilità avanzata: è possibile installare ed eseguire uno dei pacchetti open source più recenti in SQL Server per creare applicazioni di Deep Learning e intelligenza artificiale su enormi quantità di dati in SQL Server. Installare un pacchetto in SQL Server è semplice come l'installazione di un pacchetto nel computer locale.
Disponibilità elevata senza costi aggiuntivi: le integrazioni del linguaggio sono disponibili in tutte le edizioni di SQL Server 2017 e versioni successive, inclusa l'edizione Express.
Per sfruttare al meglio l'integrazione in SQL Server, usare il programma di installazione di Visual Studio per installare il carico di lavoro Elaborazione ed archiviazione dati con l'opzione SQL Server Data Tools. Questa opzione abilita SQL IntelliSense, l'evidenziazione della sintassi e la distribuzione.
Per altre informazioni:
- Python in SQL Server 2017: enhanced in-database machine learning (blog) (Python in SQL Server 2017: funzionalità avanzate di Machine Learning all'interno del database)
Servizi aggiuntivi e SDK
Oltre ai componenti inclusi direttamente nel carico di lavoro Applicazioni analitiche e di analisi scientifica dei dati, per le esigenze di data science sono utili anche il servizio Azure Notebooks e Azure SDK per Python.
Azure SDK per Python semplifica l'uso e la gestione dei servizi di Microsoft Azure dalle applicazioni eseguite in Windows, Mac e Linux. Per altre informazioni, vedere Azure SDK per Python.
Azure Notebooks (attualmente in anteprima) consente l'accesso online gratuito ai notebook di Jupyter in esecuzione nel cloud in Microsoft Azure. Il servizio include notebook di esempio in Python, R e F# per iniziare. Visitare notebooks.azure.com.
