最初のプロジェクトを作成する
プロジェクトは、Jupyter ノートブックからデータを探索および分析するための手段です。
各プロジェクトには Git リポジトリがあります。 理由を学ぶ。
最初のプロジェクトでは、当社が提供するデータを使用して、次の簡単なワークフローを完了します。
- プロジェクトを作成する
- エンジンをデプロイする
- データに接続してワークロードを実行する
- エンジンを停止する
始める前に
-
AI Unlimited 管理者は、組織内で AI Unlimited を設定したユーザーです。管理者から次の項目を取得します。
-
IPアドレスまたは AI Unlimitedマネージャのホスト名。
-
これらの環境変数:
- AWS
- Azure
AWS_ACCESS_KEY_ID
、AWS_SECRET_ACCESS_KEY
、およびAWS_SESSION_TOKEN
ARM_SUBSCRIPTION_ID
、ARM_CLIENT_ID
、およびARM_CLIENT_SECRET
-
-
あなたのプロフィールから、 APIキーを取得する。
-
サンプル ワークロードを実行するには、
salescenter.csv
ファイルが必要です。 AI Unlimited GitHubリポジトリからファイルをダウンロードし、Amazon Simple Storage Service (S3) または Azure Blob Storage の場所にアップロードします。独自のファイルを使用する場合は、それに応じて例を変更します。
接続して最初のワークロードを実行する
ノートブックで使用できるすべてのマジック コマンドの詳細については 、%help
を実行してください。そのうちの 1 つの詳細については 、%help <command>
を実行してください。
または、AI Unlimited に固有の マジック コマンド について学びます。
-
JupyterLab に接続し、ノートブックを開いて、AI Unlimited カーネルを選択します。
-
マネージャに接続します。
-
プロジェクトを作成します。
-
クラウド サービス プロバイダの認証情報を保存するためのオブジェクト ストア認証を作成します。
ACCESS_KEY_ID
、SECRET_ACCESS_KEY
、REGION
を実際の値に置き換えます。 -
エンジンをデプロイします。
サイズは、small、medium、large、extralargeいずれかです。デフォルトはsmallです。料金情報については、 AWS または Azure を参照してください。
デプロイ プロセスには数分かかります。パスワードが生成されます。
-
プロジェクトに接続します。
接続が確立したら、生成されたパスワードを入力します。
-
サンプル ワークロードを実行します。
注記選択したデータベースに SalesCenter または SalesDemo という名前のテーブルがないことを確認してください。次の例の
Authorization_Name
とsalescenter.csv_file_location
の値を独自の値に置き換えてください。a. 販売センターのデ ータを保存するテーブルを作成します。
b. データが挿入されたことを確認します。
c. 販売デモデータを含むテーブルを作成します。
d. 販売デモデータが正常に挿入されたことを確認します。
接続のナビゲーターを開き、テーブルが作成されたことを確認します。テーブルの行カウントを実行して、データがロードされたことを確認します。
e. データをグラフ化して結果を視覚化します。
グラフに X 軸と Y 軸を指定します。
f. テーブルを削除します。
-
Git リポジトリ内のプロジェクト メタデータとオブジェクト定義 (スキーマ) をバックアップします。
これによりプロジェクトはバックアップされますが、エンジンは停止されません。
-
不要なエンジン リソースの支払いを避けるために、エンジンを停止します。
これにより、プロジェクトがバックアップされ、エンジンが中断されます。通常、
%project_engine_suspend
の直後に%project_backup
を使用することはないでしょう。
おめでとうございます。最初のワークロードを実行しました。