Arbetsbelastning för datavetenskaps- och analysprogram i Visual Studio

Arbetsbelastning för datavetenskap och analysapplikationer i Visual Studio sammanför flera språk och deras respektive körmiljöer.

• Python
• F# med .NET Framework

Python är ett primärt skriptspråk som används för datavetenskap. Python är enkelt att lära sig och har stöd från ett omfattande ekosystem med paket. Dessa paket hanterar en mängd olika scenarier, till exempel datainsamling, rensning, modellträning, distribution och ritning. F# är också ett kraftfullt funktions-första .NET-språk som gäller för en mängd olika databehandlingsuppgifter.

Installation av arbetsbelastningshantering

Arbetsbelastningen datavetenskaps- och analysapplikationer är tillgänglig i Visual Studio Installer under Arbetsbelastningar>Andra verktygsuppsättningar:

Arbetsbelastningen installerar som standard följande alternativ, som du kan ändra i sammanfattningsavsnittet för arbetsbelastningen i Visual Studio Installer:

• Stöd för F#-skrivbordsspråk
• Python
  • Stöd för Python-språk
  • Python-webbstöd
  • Inbyggda utvecklingsverktyg för Python

SQL Server-integrering

SQL Server stöder användning av Python för att utföra avancerad analys direkt i SQL Server. Python-stöd är tillgängligt i SQL Server 2017 CTP 2.0 och senare.

Du får följande fördelar genom att köra koden där dina data redan finns:

• Eliminering av dataförflyttning: I stället för att flytta data från databasen till ditt program eller din modell kan du skapa program i databasen. Den här funktionen eliminerar hinder för säkerhet, efterlevnad, styrning, integritet och en mängd liknande problem som rör flytt av stora mängder data. Du kan också använda datauppsättningar som inte passar in i minnet på en klientdator.

• Enkel distribution: När du har en modell klar är distribution till produktion en enkel fråga om att bädda in modellen i ett T-SQL-skript. Alla SQL-klientprogram som skrivs på valfritt språk kan sedan dra nytta av modellerna och intelligensen via ett lagrat proceduranrop. Inga specifika språkintegreringar krävs.

• Prestanda och skalning i företagsklass: Du kan använda SQL Server:s avancerade funktioner som minnesintern tabell och kolumnlagringsindex med skalbara API:er med höga prestanda i RevoScale-paketen. Eliminering av dataförflyttning innebär också att du undviker begränsningar för klientminnet när dina data växer eller att du vill öka programmets prestanda.

• Omfattande utökningsbarhet: Du kan installera och köra något av de senaste paketen med öppen källkod i SQL Server för att skapa djupinlärnings- och AI-program på enorma mängder data i SQL Server. Att installera ett paket i SQL Server är lika enkelt som att installera ett paket på den lokala datorn.

• Bred tillgänglighet utan extra kostnad: Språkintegreringar är tillgängliga i alla utgåvor av SQL Server 2017 och senare, inklusive Express-utgåvan.

Installation av SQL Server-integrering

Om du vill dra full nytta av SQL Server-integrering använder du Installationsprogrammet för Visual Studio för att installera arbetsbelastningar>>Datalagring och bearbetningsarbetsbelastning. Välj alternativet SQL Server Data Tools för att aktivera SQL IntelliSense, syntaxmarkering och distribution:

Mer information finns i Python i SQL Server 2017: Förbättrad maskininlärning i databasen (blogg).

Andra tjänster och SDK:er

Utöver vad som finns i arbetsbelastningen för datavetenskaps- och analysapplikationer direkt är Notebooks i Visual Studio Code och Azure SDK för Python också användbara för datavetenskap.

Azure SDK för Python gör det enkelt att använda och hantera Microsoft Azure-tjänster från program som körs i Windows, Mac och Linux. Mer information finns i Azure för Python-utvecklare.

Du kan kombinera Jupyter-tillägget med Notebooks i Visual Studio Code för att stödja Jupyter-utveckling och förbättra ditt projekt med extra språktillägg. Tjänsten innehåller exempelanteckningsböcker i Python, R och F# för att komma igång. Mer information finns i Notebooks-upplevelser från Microsoft och GitHub.