Dela via

Databricks-anteckningsböcker

Notebook-filer är det primära verktyget för att skapa arbetsflöden för datavetenskap och maskininlärning i Azure Databricks. Databricks-notebookar ger samtidig samarbete i realtid på flera programspråk, automatisk versionshantering och inbyggda datavisualiseringar för att utveckla kod och presentera resultat.

Demo av Databricks Anteckningsbok

Kom igång med notebook-filer

Få praktisk erfarenhet av stegvisa självstudier som vägleder dig genom vanliga användningsfall.

Ämne Beskrivning
Fråga efter och visualisera data från en notebook-fil Lär dig grunderna i datavetenskap med hjälp av en notebook-fil för att fråga efter och visualisera exempeldata som lagras i Unity Catalog med hjälp av SQL, Python, Scala och R.
Importera och visualisera CSV-data från en notebook-fil Importera data från en CSV-fil till Unity Catalog, läs in data till en DataFrame och visualisera data med Python, Scala och R.
EDA-tekniker med Databricks notebooks Lär dig grunderna i att utföra undersökande dataanalys (EDA) med Python i en notebook-fil, från att läsa in data till att generera insikter.
Helhetslösning för klassiska ML-modeller Slutför självstudien för att träna klassiska maskininlärningsmodeller, inklusive datainläsning, visualisering, optimering av hyperparametrar och MLflow-integrering.

Utveckla och kör anteckningsfiler

Lär dig grunderna i att skapa och använda notebook-filer på din Databricks-arbetsyta.

Ämne Beskrivning
Grundläggande redigering Lär dig grunderna för hur du effektivt använder och redigerar notebook-filer, inklusive celltyper, kortkommandon och viktiga redigeringsfunktioner.
Utveckla kod i notebook-filer Skriva och köra kod med Python, SQL, Scala och R med syntaxmarkering och IntelliSense.
Köra notebook-filer Kör notebook-filer och enskilda celler med flexibla beräkningsalternativ och körningskontroller.
Använda Data Science Agent Det här assistentagentläget är anpassat för data science-arbetsflöden och kan samordna arbetsflöden i flera steg från en enda fråga. Chatta med Data Science Agent för att skapa en hel notebook-fil för uppgifter som EDA, prognostisering och maskininlärning från grunden.

Samarbeta och dela ditt arbete

Samarbeta med ditt team och dela dina resultat effektivt.

Ämne Beskrivning
Importera och exportera anteckningsböcker Exportera notebook-filer i olika format och importera notebook-filer från externa källor.
Samarbeta med notebooks Dela notebook-filer, använd kommentarer och samarbeta i realtid med dina teammedlemmar.
Instrumentpaneler i notebook-filer Skapa och dela interaktiva instrumentpaneler direkt från dina anteckningsboksresultat.

Felsöka och optimera koden

Se till att dina anteckningsböcker fungerar smidigt och effektivt.

Ämne Beskrivning
Kodhjälp med Databricks Assistant Få hjälp med AI-assisterad kodning för att felsöka och skriva bättre kod snabbare med intelligenta förslag och förklaringar.
Felsöka notebook-filer Använd det interaktiva felsökningsprogrammet för att felsöka och åtgärda problem i din notebook-kod.
Enhetstestning Implementera strategier för enhetstestning för att verifiera din notebook-kod och säkerställa tillförlitlighet.

Utforska vanliga ämnen och avancerade funktioner för att arbeta med anteckningsböcker.

Ämne Beskrivning
Databricks-widgets Lägg till interaktiva indataparametrar i dina notebook-filer och instrumentpaneler med widgetar.
Notebook-utdata och resultat Hantera cellutdata, arbeta med resultattabeller, tillämpa filter och ladda ned data från dina notebook-resultat.
Orkestrera anteckningar och modularisera kod Lär dig tekniker för att orkestrera notebook-arbetsflöden och modularisera kod.
Bästa praxis Följ rekommenderade metoder för effektiv och underhållsbar utveckling av Jupyter-notebooks.