メインコンテンツまでスキップ

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。

注記

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_ACCESS_KEY_ID、AWS_SECRET_ACCESS_KEY、およびAWS_SESSION_TOKEN

  • 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​

ヒント

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。

  1. 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。

  2. マネージャに接続します。

  3. プロジェクトを作成します。

  4. 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。

  5. 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。

  6. 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。

  7. 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。

  8. 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。

  9. 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。

興味深い記事