Zum Hauptinhalt springen

Erstellen Sie Ihr erstes Projekt

Ein Projekt ist ein Mittel zum Erkunden und Analysieren von Daten aus einem Jupyter-Notebook.

Hinweis

Jedes Projekt hat ein Git-Repository. Erfahren Sie warum.

Für Ihr erstes Projekt führen Sie mithilfe der von uns bereitgestellten Daten diesen einfachen Arbeitsablauf durch:

  • Erstellen des Projekts
  • Bereitstellen der Engine
  • Herstellen einer Verbindung zu den Daten und Ausführen einer Workload
  • Anhalten der Engine

Bevor Sie beginnen​

  • Ihr AI Unlimited-Administrator ist die Person in Ihrer Organisation, die AI Unlimited eingerichtet hat. Erhalten Sie von Ihrem Administrator diese Elemente:

    • Die IP-Adresse oder der Hostname des AI Unlimited-Manager.

    • Diese Umgebungsvariablen:

      AWS_ACCESS_KEY_ID, AWS_SECRET_ACCESS_KEY und AWS_SESSION_TOKEN

  • Aus Ihrem Profil, holen Sie sich Ihren API-Schlüssel.

  • Zum Ausführen der Beispiel-Workload benötigen Sie die Datei salescenter.csv. Laden Sie die Datei von AI Unlimited GitHub-Repository herunter und laden Sie sie in Ihren Amazon Simple Storage Service (S3)- oder Azure Blob Storage-Speicherort hoch. Oder ändern Sie das Beispiel entsprechend, wenn Sie eine eigene Datei verwenden.

Verbinden und Ausführen Ihrer ersten Workload​

Tipp

Führen Sie %help aus, um Einzelheiten zu allen in Ihrem Notebook verfügbaren magischen Befehlen zu erhalten. Führen Sie %help <command> aus, um Einzelheiten zu einem davon zu erhalten.

Oder erfahren Sie mehr über die magische Befehle speziell für AI Unlimited.

  1. Stellen Sie eine Verbindung zu JupyterLab her, öffnen Sie ein Notebook und wählen Sie den AI Unlimited-Kernel aus.

  2. Stellen Sie eine Verbindung zum Manager her.

  3. Erstellen Sie das Projekt.

  4. Erstellen Sie eine Objektspeicherautorisierung zum Speichern der Anmeldeinformationen des Cloud-Dienstanbieters.

    Ersetzen Sie ACCESS_KEY_ID, SECRET_ACCESS_KEY und REGION durch Ihre Werte.

  5. Stellen Sie die Engine bereit.

    Die Größe kann klein, mittel, groß oder extragroß sein. Die Standardeinstellung ist klein. Siehe Preisinformationen von AWS oder Azure.

    Der Bereitstellungsvorgang dauert einige Minuten. Dabei wird ein Passwort generiert.

  6. Stellen Sie eine Verbindung zum Projekt her.

    Geben Sie das generierte Passwort ein, wenn die Verbindung hergestellt ist.

  7. Führen Sie die Beispielarbeitslast aus.

    Hinweis

    Stellen Sie sicher, dass in der ausgewählten Datenbank keine Tabellen mit dem Namen SalesCenter oder SalesDemo vorhanden sind. Ersetzen Sie Authorization_Name und die salescenter.csv_file_location-Werte im folgenden Beispiel durch Ihre eigenen Werte.

    a. Erstellen Sie eine Tabelle zum Speichern der Verkaufszentrumdaten.

    b. Überprüfen Sie, ob die Daten eingefügt wurden.

    c. Erstellen Sie eine Tabelle mit den Verkaufsdemodaten.

    d. Überprüfen Sie, ob die Verkaufsdemodaten erfolgreich eingefügt wurden.

    Öffnen Sie den Navigator für Ihre Verbindung und überprüfen Sie, ob die Tabellen erstellt wurden. Führen Sie eine Zeilenzählung für die Tabellen durch, um zu überprüfen, ob die Daten geladen wurden.

    e. Stellen Sie die Daten in einem Diagramm dar, um das Ergebnis zu visualisieren.

    Geben Sie die X- und Y-Achsen für Ihr Diagramm an.

    f. Löschen Sie die Tabellen.

  8. Sichern Sie Ihre Projektmetadaten und Objektdefinitionen (das Schema) in Ihrem Git-Repository.

    Dadurch wird Ihr Projekt gesichert, die Engine wird jedoch nicht angehalten.

  9. Unterbrechen Sie die Nutzung der Engine, um die Zahlung für nicht benötigte Engine-Ressourcen zu vermeiden.

    Dadurch wird Ihr Projekt gesichert und die Engine angehalten. Normalerweise verwenden Sie %project_backup nicht unmittelbar gefolgt von %project_engine_suspend.

Herzlichen Glückwunsch! Sie haben Ihre erste Arbeitslast ausgeführt.

Auch interessant