Scegli il tuo workspace

All'avvio di JupyterLab, viene presentata un'interfaccia basata sul Web per Jupyter Notebooks. A seconda del tipo di notebook scelto, verrà avviato un kernel corrispondente.

Quando confrontiamo l’ambiente da utilizzare, dobbiamo tenere conto delle limitazioni di ciascun servizio. Ad esempio, se utilizziamo la libreria pandas con Python, come utente normale il limite di RAM è di 2 GB. Anche in qualità di utente avanzato, il limite massimo è di 20 GB di RAM. Per i calcoli di dimensioni maggiori, è consigliabile utilizzare Spark, che offre 1,5 TB condivisi con tutte le istanze del blocco appunti.

Per impostazione predefinita, la ricetta Tensorflow funziona in un cluster GPU e Python viene eseguito all’interno di un cluster CPU.

Crea un nuovo blocco appunti

Nell'interfaccia utente di Adobe Experience Platform, seleziona Data Science nel menu principale per passare a Data Science Workspace. Da questa pagina, selezionare JupyterLab per aprire il modulo di avvio JupyterLab. Dovresti visualizzare una pagina simile a questa.

Nel nostro tutorial, utilizzeremo Python 3 nel Jupyter Notebook per mostrare come accedere ed esplorare i dati. Nella pagina di avvio sono disponibili blocchi appunti di esempio. Verrà utilizzata la ricetta Vendite al dettaglio per Python 3.

La ricetta Vendite al dettaglio è un esempio indipendente che utilizza lo stesso set di dati Vendite al dettaglio per mostrare come i dati possono essere esplorati e visualizzati in Jupyter Notebook. Inoltre, il notebook è ulteriormente approfondito con l'addestramento e la verifica. Ulteriori informazioni su questo blocco appunti specifico sono disponibili in questa procedura dettagliata.