Après avoir créé un carnet de notes à utiliser dans l'éditeur de carnets de notes, vous devez ajouter des bibliothèques, du code et des données afin de pouvoir effectuer votre analyse.

Pour développer des applications analytiques dans un bloc-notes, procédez comme suit :

1. Ouvrez le bloc-notes en mode édition: cliquez sur l'icône d'édition (). Si le bloc-notes est verrouillé, vous pouvez le déverrouiller et l'éditer .

2. Si le notebook est marqué comme n'étant pas fiable, dites au service Jupyter de faire confiance au contenu de votre notebook et d'autoriser l'exécution de toutes les cellules par :

   1. Cliquez sur Non sécurisé dans l'angle supérieur droit du bloc-notes.
   2. Cliquez sur Faire confiance pour exécuter toutes les cellules.

3. Déterminez si le modèle d'environnement associé au bloc-notes a la taille matérielle correcte pour le débit de traitement d'analyse anticipée.

   1. Vérifiez la taille de l'environnement en cliquant sur l'icône Afficher les informations du bloc-notes () dans la barre d'outils du bloc-notes et en sélectionnant la page Environnements .

   2. Si vous devez modifier l'environnement, sélectionnez-en un autre dans la liste ou, si aucun ne correspond à vos besoins, créez votre propre modèle d'environnement. Voir Création d'un modèle d'environnement.

      Si vous créez un modèle d'environnement, vous pouvez ajouter vos propres bibliothèques au modèle qui est préinstallé au moment du démarrage de l'environnement. Voir Personnalisation de votre environnement pour Python et R.

4. Importez les bibliothèques préinstallées. Voir Bibliothèques et scripts pour blocs-notes.

5. Chargez et consultez des données. Vous pouvez accéder aux données des actifs de projet en exécutant le code qui est généré pour vous lorsque vous sélectionnez l'actif ou à l'aide d'un programme à l'aide des fonctions de bibliothèque préinstallées. Voir Données de chargement et d'accès.

6. Préparez et analysez les données avec les méthodes appropriées :

   • Construire les modèles d'exécution watsonx.ai
   • Génération de modèles Decision Optimization
   • Utilisation de Watson Natural Language Processing
   • Utilisez les algorithmes d'analyse prédictive SPSS
   • Utiliser les méthodes d'analyse d'emplacement géospatial
   • Utiliser la non prise en compte des données pour Spark SQL
   • Application du chiffrement Parquet
   • Utiliser les méthodes d'analyse de séries temporelles

7. Si nécessaire, planifiez l'exécution du bloc-notes à intervalles réguliers. Voir Planification d'un bloc-notes.

   1. Surveillez le statut de vos exécutions de travail à partir de la page Travaux du projet.
   2. Cliquez sur votre travail pour ouvrir la page des détails du travail afin d'afficher les exécutions de votre travail et le statut de chaque exécution. Si une exécution a échoué, vous pouvez sélectionner l'exécution et afficher la queue du journal ou télécharger l'intégralité du fichier journal pour identifier et résoudre les problèmes liés à l'exécution.

8. Si vous rencontrez des problèmes pour exécuter votre code, utilisez le débogueur pour parcourir une cellule de code dans votre bloc-notes. Pour activer le débogueur :

   1. Clique sur le Activer le débogueur icône ( ) dans la barre d'outils du bloc-notes.
   2. Cliquez à côté de n’importe quelle ligne de code pour ajouter un point d’arrêt.

   Pour déboguer votre code à partir du Voir menu, sélectionnez Barre latérale droite, puis sélectionnez Afficher le débogueur.

9. Lorsque vous ne travaillez pas activement sur le bloc-notes, accédez à Noyau et cliquez sur Arrêter le noyau pour arrêter le noyau du bloc-notes et libérer des ressources.

10. Arrêtez l'environnement d'exécution actif (et la consommation d'unité de capacité inutile) si aucun autre noyau de bloc-notes n'est actif sous Environnements d'exécution de l'outil sur la page Environnements de l'onglet Gérer de votre projet.

Regardez cette courte vidéo pour voir comment créer un bloc-notes Jupyter et un environnement personnalisé.

Regardez cette courte vidéo pour voir comment exécuter des requêtes SQL de base sur des données Db2 Warehouse dans un bloc-notes Python .

Recherchez des vidéos présentant des exemples supplémentaires de blocs-notes Python sur la page Vidéos.

%env http_proxy=http://username:[email protected]:8080
%env https_proxy=https://username:[email protected]:8080

!python -m pip install langdetect --proxy https://www.example.com:<port number>

!pip install <some_package> --index-url=http://www.example.com/root/pypi/+simple/ --trusted-host=http://www.example.com