Nota
L'accesso a questa pagina richiede l'autorizzazione. È possibile provare ad accedere o modificare le directory.
L'accesso a questa pagina richiede l'autorizzazione. È possibile provare a modificare le directory.
I notebook sono lo strumento principale per la creazione di flussi di lavoro di data science e machine learning in Azure Databricks. I notebook di Databricks offrono la creazione condivisa in tempo reale in più linguaggi, il controllo delle versioni automatico e le visualizzazioni dei dati predefinite per lo sviluppo di codice e la presentazione dei risultati.
Introduzione ai notebook
Ottenere un'esperienza pratica con esercitazioni dettagliate che illustrano i casi d'uso comuni.
Argomento | Descrizione |
---|---|
Eseguire query e visualizzare i dati da un notebook | Informazioni di base sull'analisi scientifica dei dati usando un notebook per eseguire query e visualizzare i dati di esempio archiviati in Unity Catalog usando SQL, Python, Scala e R. |
Importare e visualizzare i dati CSV da un notebook | Importare dati da un file CSV in Unity Catalog, caricare i dati in un dataframe e visualizzare i dati usando Python, Scala e R. |
Tecniche EDA che usano notebook di Databricks | Informazioni di base sull'esecuzione di analisi esplorativa dei dati usando Python in un notebook, dal caricamento dei dati alla generazione di informazioni dettagliate. |
Modelli end-to-end di Machine Learning classici | Esercitazione completa per il training di modelli di Machine Learning classici, tra cui caricamento dei dati, visualizzazione, ottimizzazione degli iperparametri e integrazione MLflow. |
Sviluppare e gestire notebook
Informazioni sui concetti fondamentali della creazione e dell'uso di notebook nell'area di lavoro di Databricks.
Argomento | Descrizione |
---|---|
Modifica di base | Informazioni di base su come usare e modificare in modo efficace i notebook, inclusi i tipi di cella, i tasti di scelta rapida e le funzionalità di modifica essenziali. |
Sviluppare codice nei notebook | Scrivere ed eseguire codice usando Python, SQL, Scala e R con evidenziazione della sintassi e IntelliSense. |
Eseguire notebook | Eseguire notebook e singole celle con opzioni di calcolo flessibili e controlli di esecuzione. |
Collaborare e condividere il lavoro
Collaborare con il team e condividere i risultati in modo efficace.
Argomento | Descrizione |
---|---|
Importare ed esportare notebook | Esportare i notebook in vari formati e importare notebook da origini esterne. |
Collaborare utilizzando quaderni digitali | Condividere notebook, usare commenti e collaborare in tempo reale con i membri del team. |
Dashboard nei notebook | Creare e condividere dashboard interattivi direttamente dai risultati del notebook. |
Eseguire il debug e ottimizzare il codice
Assicurati che i notebook funzionino in modo fluido ed efficiente.
Argomento | Descrizione |
---|---|
Guida al codice con Databricks Assistant | Ottenere codice assistito dall'intelligenza artificiale per eseguire il debug e scrivere codice migliore più velocemente con suggerimenti e spiegazioni intelligenti. |
Eseguire il debug dei notebook | Usare il debugger interattivo per risolvere e correggere i problemi nel codice del tuo notebook. |
Test unitario | Implementare strategie di unit test per convalidare il codice del notebook e garantire l'affidabilità. |
Pagine popolari
Esplorare gli argomenti di riferimento comuni e le funzionalità avanzate per l'uso dei notebook.
Argomento | Descrizione |
---|---|
Widget di Databricks | Aggiungere parametri di input interattivi ai notebook e ai dashboard usando i widget. |
Output e risultati dei notebook | Gestire gli output delle celle, usare le tabelle dei risultati, applicare filtri e scaricare i dati dai risultati del notebook. |
Orchestrare i notebook e modularizzare il codice | Informazioni sulle tecniche per orchestrare i flussi di lavoro dei notebook e modularizzare il codice. |
Procedure consigliate | Seguire le procedure consigliate per lo sviluppo di notebook efficienti e gestibili. |