Przygotowywanie systemu na potrzeby samouczków dotyczących nauki o danych

Przed rozpoczęciem kompleksowej serii samouczków nauki o danych dowiedz się więcej o wymaganiach wstępnych, sposobie dodawania notesów (ipynb) do obszaru roboczego oraz o dołączaniu usługi Lakehouse do tych notesów.

Warunki wstępne

• Pobierz subskrypcję usługi Microsoft Fabric . Możesz też utworzyć bezpłatne konto wersji próbnej usługi Microsoft Fabric.

• Zaloguj się do usługi Microsoft Fabric.

• Użyj przełącznika środowiska w lewym dolnym rogu strony głównej, aby przełączyć się na Fabric.

  

• Jeśli nie masz magazynu lakehouse usługi Microsoft Fabric, utwórz go, wykonując kroki opisane w Tworzenie magazynu lakehouse w usłudze Microsoft Fabric.

Tworzenie notesu

Każdy samouczek z serii Get Started end-to-end jest dostępny jako plik notatnika Jupyter na GitHubie. Wiele dodatkowych samouczków jest również dostępnych jako przykłady w pakiecie Data Science. Aby uzyskać dostęp do samouczków, użyj jednej z następujących metod:

• Utwórz nowy notes, a następnie skopiuj i wklej kod z samouczka.

• Przekaż notes (ipynb) z usługi GitHub do obszaru roboczego:

  1. Pobierz swój(e) notes(y). Pamiętaj, aby pobrać pliki przy użyciu linku "Nieprzetworzone" w usłudze GitHub.

     • W przypadku notatników Rozpocznij pracę pobierz pliki notatników (.ipynb) z folderu nadrzędnego: data-science-tutorial. W serii samouczków Rozpocznij są używane następujące notatniki:

       • Pozyskiwanie danych do usługi Fabric Lakehouse przy użyciu platformy Apache Spark
       • Eksplorowanie i czyszczenie danych
       • Trenowanie i rejestrowanie modelu uczenia maszynowego
       • Ocenianie wytrenowanego modelu

     • W przypadku notatników Tutorials pobierz pliki notatników (.ipynb) z nadrzędnego folderu ai-samples.

  2. W aplikacji internetowej Sieć szkieletowa przejdź do obszaru roboczego.

  3. Na pasku poleceń obszaru roboczego wybierz pozycję Przekaż, a następnie wybierz pobrany plik notesu (ipynb).

  4. Po zakończeniu przekazywania notesy są dostępne w obszarze roboczym do użycia.

  5. Jeśli przekazany notes zawiera dane wyjściowe, wybierz menu Edytuj , a następnie wybierz pozycję Wyczyść wszystkie dane wyjściowe.

     

  Wskazówka

  Nie widzisz opcji przekazania notesu (ipynb) w obszarze roboczym?

  1. Użyj pozycji Utwórz nowy notes, a następnie skopiuj i wklej kod z samouczka.
  2. Możesz też użyć opcji Otwórz przykładowy notes w obciążeniu Data Science (jeśli jest dostępny).
  3. Jeśli twoja organizacja ma włączoną integrację z usługą Git, możesz również przenieść notesy z połączonego repozytorium.

• Otwórz przykładowy notatnik (jeśli jest dostępny) w środowisku pracy Data Science:

  1. W okienku po lewej stronie wybierz pozycję Zadania robocze.

  2. Wybierz pozycję Nauka o danych.

  3. W karcie Eksploruj przykład wybierz Wybierz.

  4. Wybierz odpowiedni przykład:

     • Na domyślnej karcie kompleksowe przepływy pracy (Python), jeśli przykład dotyczy samouczka języka Python.
     • Na karcie kompleksowe przepływy pracy (R), jeśli przykład dotyczy samouczka języka R.
     • Na karcie Szybkie samouczki, jeśli przykład jest dla szybkiego samouczka.

Dołącz lakehouse do notatników

Aby zademonstrować funkcjonalności Fabric lakehouse, wiele samouczków wymaga dołączenia domyślnego lakehouse do notatników. W poniższych krokach pokazano, jak dodać Lakehouse do notesu w obszarze roboczym z włączoną obsługą Fabric.

Notatka

Przed wykonaniem każdego notesu należy wykonać te kroki w tym notesie.

1. Otwórz notatnik w obszarze roboczym.

2. Wybierz w lewym panelu pozycję Dodaj lakehouse.

   

3. Utwórz nowy lakehouse lub użyj istniejącego lakehouse.

   1. Aby utworzyć nowy lakehouse, wybierz pozycję Nowy. Nadaj nazwę dla lakehouse i wybierz opcję Utwórz.
   2. Aby użyć istniejącego lakehouse, wybierz pozycję Istniejący lakehouse, aby otworzyć okno dialogowe Centrum danych. Wybierz lakehouse, którego chcesz użyć, a następnie wybierz pozycję Dodaj.

4. Po dodaniu lakehouse jest on widoczny w okienku lakehouse i można wyświetlać tabele i pliki przechowywane w lakehouse.

Następny krok

część 1. Pozyskiwanie danych do usługi Fabric Lakehouse przy użyciu platformy Apache Spark