WEBVTT

00:00:09.680 --> 00:00:10.780
>> [MÜZIK].

00:00:10.780 --> 00:00:12.750
Merhaba. Ben Vicki Harp.
SQL Server ürün ekibi.

00:00:12.750 --> 00:00:15.870
Bugün size göstermek için buradayım.
Not Defterleri ve Azure Veri Stüdyosu.

00:00:15.870 --> 00:00:18.825
Yani Dizüstü bilgisayarlar bir kavramdır

00:00:18.825 --> 00:00:20.660
Veri bilimi olan

00:00:20.660 --> 00:00:22.940
bir sürü yapmak için kullanılan
veri görselleştirme,

00:00:22.940 --> 00:00:25.010
veri arama ve veri çalışmaları,

00:00:25.010 --> 00:00:26.855
öncelikle Python dilinde.

00:00:26.855 --> 00:00:28.760
İnsanlar konuşurken
Not Defterleri hakkında,

00:00:28.760 --> 00:00:30.485
Çoğu zaman konuşuyoruz.
Jüpiter Defterleri hakkında.

00:00:30.485 --> 00:00:32.660
Yani Defterlerin uygulanması

00:00:32.660 --> 00:00:34.730
Azure Veri Stüdyosu'nda sahip olduğumuz

00:00:34.730 --> 00:00:37.070
bir Jüpiter Notebook ile
özel ön uç

00:00:37.070 --> 00:00:40.430
içine uyacak şekilde daha iyi uyarlanmış
Azure Veri Stüdyosu deneyimi.

00:00:40.430 --> 00:00:45.450
Önce göstereceğim.
basit bir Python Notebook.

00:00:45.450 --> 00:00:46.760
Bu bir Not Defteri

00:00:46.760 --> 00:00:49.250
Python dili ve
gördüğünüz gibi.

00:00:49.250 --> 00:00:51.620
burada bir bölüm

00:00:51.620 --> 00:00:54.395
bir insan tarafından okunabilir metin ve bir
burada kod olan bölüm.

00:00:54.395 --> 00:00:56.149
Eğer buna basarsam,

00:00:56.149 --> 00:00:58.010
bu özel kod,

00:00:58.010 --> 00:01:00.755
Internet ve aşağı çeker
bir köpek rasgele fotoğraf.

00:01:00.755 --> 00:01:03.710
Size göstermek için
Dizüstü bilgisayar deneyimi,

00:01:03.710 --> 00:01:05.390
Burada bir toplayıcımız var.

00:01:05.390 --> 00:01:06.770
dili seçebiliriz.

00:01:06.770 --> 00:01:08.630
Bu durumda, ben.
çalışan Python 3,

00:01:08.630 --> 00:01:10.475
ve ben çalıştırıyorum
yerel makinemde.

00:01:10.475 --> 00:01:13.460
Bunun yerine ben taşınabilirim.
dil SQL ve sonra

00:01:13.460 --> 00:01:16.430
hangi MySQL sunucusu seçin
takmak istediğim makineler.

00:01:16.430 --> 00:01:18.605
Burada MySQL sunucuları listelenmiştir.

00:01:18.605 --> 00:01:21.830
Biraz daha ileri götürmek için,

00:01:21.830 --> 00:01:24.230
Sana bir örnek göstereceğim.
bunu nasıl kullanabileceğinizi.

00:01:24.230 --> 00:01:28.025
Yani burada bir SQL Server var
2019 Büyük Veri Kümesi hangi

00:01:28.025 --> 00:01:32.555
Kubernetes'te çalışan SQL Server
hem SQL hem de Spark ile.

00:01:32.555 --> 00:01:34.490
Yani burada benim HDFS bölümünde,

00:01:34.490 --> 00:01:38.040
Bu dizini aldım.
CSV dosyaları yla doludur.

00:01:38.040 --> 00:01:40.890
Eğer ona bir göz atsam, önizlemen,

00:01:40.890 --> 00:01:42.260
bir sürü olduğunu görebilirsiniz

00:01:42.260 --> 00:01:44.780
köpek hakkında bilgi
lisans bilgileri.

00:01:44.780 --> 00:01:46.970
Yani bu aslında Veri Dökümü

00:01:46.970 --> 00:01:48.320
Pensilvanya'daki Allegheny İlçesi

00:01:48.320 --> 00:01:51.230
için köpek lisansları
son birkaç yıl.

00:01:51.230 --> 00:01:55.775
Yani Kıvılcım kullanarak
dil ve bağlanma

00:01:55.775 --> 00:02:00.440
üzerinde Kıvılcım kullanarak Python için
SQL Server Büyük Veri Kümesi.

00:02:00.440 --> 00:02:02.045
Koşabiliyorum.

00:02:02.045 --> 00:02:05.780
bu dosyaları okumak için kod
doğrudan CSV dışında.

00:02:05.780 --> 00:02:07.760
O zaman biraz analiz yapabilirim.

00:02:07.760 --> 00:02:09.890
Bu durumda, ben.
satırların sayısını alın.

00:02:09.890 --> 00:02:15.645
Ben farklı listelemek için gidiyorum
sadece isimlerin listesi,

00:02:15.645 --> 00:02:17.215
Yani 25.000 isim var.

00:02:17.215 --> 00:02:20.825
Sonra bir
O şapkadan rastgele bir isim.

00:02:20.825 --> 00:02:22.550
Yani burada bir isim var.

00:02:22.550 --> 00:02:25.850
Şimdi, eğer bir Kıvılcım kullanıyor olsaydım,

00:02:25.850 --> 00:02:29.120
ben çok kullanmaya alışkın olsaydı
Python, bu harika olur.

00:02:29.120 --> 00:02:30.770
Ama ben daha çok SQL insanıysam,

00:02:30.770 --> 00:02:33.320
o zaman belki bağlanmak istiyorum
aynı veri kümesine,

00:02:33.320 --> 00:02:36.040
Küme çalıştıracağım
SQL dilini kullanarak.

00:02:36.040 --> 00:02:41.420
Burada, ben dış oluşturduk
bu dosya biçimi üzerinde tablo.

00:02:41.420 --> 00:02:43.870
Bu senin
bir sihirbaz kullanarak yapabilirsiniz.

00:02:43.870 --> 00:02:45.250
Ben buraya gidiyorum.

00:02:45.250 --> 00:02:46.930
CSV dosyalarından harici tablo oluşturun.

00:02:46.930 --> 00:02:50.315
O zaman, bu yaratacak
kullandığım harici tablo.

00:02:50.315 --> 00:02:52.415
Ama bu durumda, ben.
kodu kullanarak yaptı.

00:02:52.415 --> 00:02:56.500
Eğer çalışan hücrelere çarparsam,

00:02:56.500 --> 00:02:59.765
ben de SQL kullanıyorum görebilirsiniz

00:02:59.765 --> 00:03:03.625
aynı verilere erişmek için
Az önce Spark'ı kullanarak erişildim.

00:03:03.625 --> 00:03:07.410
Şimdi, bu dosyalar
IPYNB dosyaları olarak kaydedilir,

00:03:07.410 --> 00:03:10.970
daha sonra benim ile paylaşabilirsiniz
meslektaşlarıve ben tekrar çalıştırabilirsiniz.

00:03:10.970 --> 00:03:14.465
Bu durumda ben
Bugün bu çalıştırmak istedim,

00:03:14.465 --> 00:03:15.995
meslektaşıma gönder.

00:03:15.995 --> 00:03:18.950
açabilirler.
onların anında ve

00:03:18.950 --> 00:03:20.480
kendi kümelerine iliştirin veya

00:03:20.480 --> 00:03:22.535
benim aynı kümeye ve tekrar çalıştırın.

00:03:22.535 --> 00:03:24.800
Dizüstü Bilgisayarları da kullanıyoruz
birkaç başka şekilde.

00:03:24.800 --> 00:03:27.485
Burada bir şey var.
Jüpiter kitapları denir.

00:03:27.485 --> 00:03:30.710
Bu temelde Dizüstü bir listesi

00:03:30.710 --> 00:03:34.130
birlikte derlenmiş olan
bir bölüm sayfası biçiminde.

00:03:34.130 --> 00:03:37.775
Yani burada bir SQL var
Server ML hizmetleri kursu,

00:03:37.775 --> 00:03:40.985
not defterleri aracılığıyla gösterilir.

00:03:40.985 --> 00:03:43.070
Yani tüm var
belgeler mevcuttur.

00:03:43.070 --> 00:03:46.445
Kod örnekleri elimizde.
burada ve sonra yapabilirsiniz,

00:03:46.445 --> 00:03:47.780
her bölümün sonunda,

00:03:47.780 --> 00:03:49.730
ya sonraki vurmak
düğmesine basmak için bir sonrakine gitmek

00:03:49.730 --> 00:03:52.400
bir veya bu bölümü kullanın
tarayıcı almak için.

00:03:52.400 --> 00:03:54.965
Biz de var
desteklenebilirlik kitabı

00:03:54.965 --> 00:03:57.255
SQL Server 2019 için
Büyük Veri Kümeleri.

00:03:57.255 --> 00:03:59.210
Eğer ben gündeme getirdi
komut pilotu ve seçim

00:03:59.210 --> 00:04:01.160
Bu Jüpiter kitapları 2019 kılavuzu,

00:04:01.160 --> 00:04:03.035
Bunu açmak için kullandığım şey bu.

00:04:03.035 --> 00:04:05.960
Burada, biz tüm var
olabileceğiniz bilgiler

00:04:05.960 --> 00:04:08.885
desteklemek için ihtiyaç
yeni Büyük Veri Kümeniz,

00:04:08.885 --> 00:04:11.585
Kubernetes Komutanlıkları bir sürü,
küme bilgileri.

00:04:11.585 --> 00:04:13.565
Bu çalıştırabileceğin bir şey.

00:04:13.565 --> 00:04:14.735
başka birine gönderebilirsiniz,

00:04:14.735 --> 00:04:17.065
ve kaydedebilirsiniz ve
Ne istersen yap.

00:04:17.065 --> 00:04:21.140
Bu yüzden çok heyecanlıyız.
Azure Veri Stüdyosu'ndaki dizüstü bilgisayarlar.

00:04:21.140 --> 00:04:23.210
Biz gerçekten bu düşünüyorum
olacak bir şeydir

00:04:23.210 --> 00:04:26.210
topluluğumuz için çok yararlıdır.

00:04:26.210 --> 00:04:28.040
Gerçekten ilgileniyoruz.
nasıl olduğunu bulmak

00:04:28.040 --> 00:04:29.765
kullanıyorsanız ve
Bizden ne istediğinizi.

00:04:29.765 --> 00:04:32.800
Eğer ilgileniyorsanız Yani
daha fazla öğrenme, GitHub gidin,

00:04:32.800 --> 00:04:34.610
Azure Veri Stüdyosu'na bakın ve

00:04:34.610 --> 00:04:37.120
özelliği açabilirsiniz
inter hataları isteyin.

00:04:37.120 --> 00:04:39.470
Aynı zamanda
hem indirebilirsiniz

00:04:39.470 --> 00:04:51.991
istikrarlı ve içeriden ek.
Zaman için çok teşekkür ederim.

00:04:51.991 --> 00:04:57.040
>> [MÜZİk]