Notebook Ringan - Platform For AI

Notebook Lab menyediakan editor ringan yang memungkinkan Anda melihat pratinjau dan mengedit file notebook yang disimpan di Object Storage Service (OSS) tanpa menjalankan sumber daya komputasi apa pun. Saat siap menjalankan kode, Anda dapat menghubungkan notebook tersebut ke instans Data Science Workshop (DSW). Fitur ini memungkinkan beberapa notebook berbagi satu instans DSW, sehingga meningkatkan pemanfaatan sumber daya secara signifikan.

Perbedaan antara Notebook Lab dan DSW

Perbandingan fitur	Notebook Lab	DSW Instance
Konsep inti	Editor notebook ringan tempat beberapa notebook dapat berbagi satu instans.	Lingkungan pengembangan AI yang lengkap
Penyimpanan file	Disimpan di OSS, terpisah dari komputasi.	Terkait dengan direktori kerja instans.
Model penagihan	Tidak dikenai biaya untuk pengeditan.	Penagihan dimulai saat instans sedang Berjalan.
Set alat	Fokus pada pengembangan Notebook.	Mencakup Notebook, WebIDE, dan Terminal.

Memulai Cepat

Langkah 1: Buka notebook

Masuk ke Konsol PAI dan pilih Region target di pojok kiri atas.
Pada panel navigasi sebelah kiri, klik Workspaces. Klik nama ruang kerja target.
Pada panel navigasi sebelah kiri, pilih Model Training > Data Science Workshop (DSW), lalu klik tab Notebook.

Langkah 2: Pilih direktori kode

Klik Select Code Directory. Pilih Bucket OSS, buat direktori baru seperti notebook_test, lalu pilih direktori tersebut. Direktori ini digunakan untuk menyimpan file notebook Anda. Setelah direktori kode dikonfigurasi, daftar notebook akan memindai direktori tersebut dan menampilkan semua file notebook (*.ipynb) yang ditemukan di jalur OSS tersebut.

Langkah 3: Buat notebook dan kembangkan kode

Klik Create Instance. Tindakan ini akan membuka lingkungan pengembangan notebook dan membuat file notebook baru.

Edit kode. Klik +Python untuk menambahkan sel kode Python guna mengembangkan kode Anda.

Berikut adalah contoh kode:

Contoh kode

# Karena file Notebook terpisah dari instans DSW, sertakan logika untuk mengunduh dan menginstal dependensi lingkungan dalam file Notebook. Hal ini memastikan kode Anda berjalan dengan benar saat Anda beralih antar instans DSW yang berbeda.
!pip install pandas

# 1. Impor library pandas dan gunakan pd sebagai alias-nya.
import pandas as pd

# 2. Buat data mentah.
# Gunakan dictionary Python untuk membuat data. Kunci dictionary adalah nama kolom, dan nilainya adalah daftar data.
data = {
    'Fruit': ['Apple', 'Banana', 'Orange', 'Strawberry', 'Blueberry'],
    'Sales(kg)': [120, 200, 150, 80, 50],
    'Price(CNY/kg)': [8.5, 3.2, 5.0, 15.0, 25.0]
}

# 3. Buat DataFrame.
# DataFrame adalah struktur data inti dalam Pandas. Anda dapat menganggapnya sebagai tabel dua dimensi.
df = pd.DataFrame(data)

# 4. Tampilkan data.
df.show()

Catatan

Instal dependensi terlebih dahulu: Karena file notebook dan instans DSW terpisah, sertakan logika untuk mengunduh dan menginstal dependensi lingkungan dalam file notebook. Hal ini memastikan kode Anda berjalan dengan benar saat beralih antar instans DSW yang berbeda.
Simpan kode Anda: Notebook Lab tidak menyimpan kode secara otomatis secara default. Segera simpan kode setelah melakukan perubahan.

Langkah 4: Hubungkan instans DSW dan jalankan kode

Klik Select a DSW instance dan pilih instans yang sedang Berjalan. Untuk meningkatkan pemanfaatan sumber daya, beberapa notebook dapat dihubungkan ke instans DSW yang sama.
Klik ikon untuk menjalankan kode.
Jika kernel gagal dimuat di bagian Select Kernel di pojok kanan atas notebook, refresh browser Anda untuk memuat ulang lingkungan.
Output contoh kode:

Penting

Hentikan instans DSW Anda tepat waktu: Jika Anda membuat instans Pay-As-You-Go, penagihan dimulai saat instans memasuki status Berjalan dan didasarkan pada waktu prosesnya, bahkan jika Anda tidak membuka WebIDE atau menjalankan kode apa pun. Untuk menghindari biaya yang tidak perlu, hentikan atau hapus instans tersebut saat tidak lagi digunakan.

Gunakan Copilot untuk bantuan pengkodean

Anda dapat menggunakan Copilot untuk bantuan pengkodean. Untuk memicu Copilot, gunakan salah satu metode berikut:

Metode 1: Pada bilah alat Notebook Lab, klik tombol Generate.
Metode 2: Pilih sel dan gunakan pintasan keyboard berikut:
- Windows: Ctrl+I
- macOS: Command+I

Jalankan SQL MaxCompute

Instal dependensi. Pertama, tambahkan sel Python dan jalankan perintah berikut:

!pip install https://dataworks-notebook-cn-shanghai.oss-cn-shanghai.aliyuncs.com/public-datasets/pypi/dataworks-magic/dataworks_magic-0.1.5-py3-none-any.whl jupysql tenacity sqlparse maxframe alibabacloud_emr_serverless_spark20230808 alibabacloud_ververica20220718 psycopg2-binary

Bind resource MaxCompute.
1. Pada bilah alat atas, klik +SQL untuk membuat node SQL, atau klik MaxCompute SQL di pojok kanan bawah sel kode Python untuk mengubah jenisnya.
2. Bind resource komputasi. Klik Resource Specifications, lalu klik Associate Computing Resource. Anda akan diarahkan ke DataWorks untuk mengikat resource komputasi.

Tulis dan jalankan sel SQL. Berikut adalah kueri uji yang menggunakan dataset publik.

SET odps.namespace.schema=true; 
SELECT * 
FROM bigdata_public_dataset.default.employee_raw_scores
limit 10;

Hasil:

Deskripsi penagihan

Mengedit kode di Notebook Lab tidak dikenai biaya. Saat notebook dihubungkan ke instans DSW yang sedang Berjalan, aturan penagihan DSW berlaku. Untuk informasi lebih lanjut, lihat Penagihan Data Science Workshop (DSW).

Jika Anda menggunakan resource MaxCompute untuk menjalankan kueri SQL, aturan penagihan MaxCompute berlaku. Untuk informasi lebih lanjut, lihat Ikhtisar penagihan MaxCompute.