.NET Core с блокнотами Jupyter — Preview 1

Когда вы думаете о блокнотах Jupyter, на ум, вероятно, приходит код Python, R, Julia или Scala, а не .NET. Сегодня мы рады сообщить, что вы можете писать .NET-код в Jupyter Notebooks.

Try .NET развился, чтобы поддерживать больше интерактивных возможностей в Интернете с помощью сниппетов исполняемого кода, генератора интерактивной документации для .NET Core с глобальным инструментом dotnet try. Ну а теперь .NET доступен в Jupyter Notebooks.

Сборка .NET Jupyter Notebooks

Чтобы начать работу с блокнотами .NET, вам потребуется следующее:

• .NET Core 3.0 SDK ^[1] или 2.1 ^[2].
• Jupyter: Вы можете установить Jupyter на свой компьютер с помощью Anaconda ^[3]. Для поиска альтернативных способов установки Jupyter, пожалуйста, ознакомьтесь с официальной документацией проекта Jupyter ^[4].
• Открыть Anaconda Prompt
• Установить глобальный инструмент dotnet try

  dotnet tool install -g dotnet-try

• Установить .NET kernel

  dotnet try jupyter install</li>
  <li>

  Проверить, установлен ли .NET kernel

  jupyter kernelspec list</li>
  </ul>
  <img src="https://user-images.githubusercontent.com/2546640/67889556-76fa7d00-fb25-11e9-9d23-e4178642b721.png">
  <ul>
  <li>

  Для запуска нового блокнота, вы можете набрать 

  jupyter lab

   или запустить блокнот с помощью Anaconda Navigator.

• После запуска Jupyter Lab в выбранном вами браузере у вас есть возможность создать записную книжку на C# или F#.

Фичи

Первоначальный набор функций, которые мы добавили, должен был быть релевантным разработчикам с опытом работы над блокнотами, а также давать новым пользователям полезный набор инструментов, которые они с удовольствием захотят попробовать. Давайте посмотрим на некоторые функции, которые мы включили.

Первое, о чем вам нужно знать, — при написании C# или F# в .NET Notebook вы будете использовать Scripting C# или интерактивный F#.

Вы можете изучить функции, перечисленные ниже, локально на своем компьютере или в Интернете, используя связующий образ dotnet/try ^[5].

Для онлайн-документации, пожалуйста, перейдите в подпапку Docs, расположенную в папках C# или F#.

Список фич

Вывод на экран: Есть несколько способов отобразить вывод в блокнотах. Вы можете использовать любой из методов, показанных на изображении ниже.

Object formatters: По умолчанию в блокноте .NET пользователи могут отображать полезную информацию об объекте в табличном формате.

HTML output: по умолчанию блокноты .NET поставляются с несколькими вспомогательными методами для написания HTML. От основных помощников, которые позволяют пользователям записывать строки в виде HTML или выводить Javascript до более сложных HTML с PocketView.

Importing packages: Вы можете загружать пакеты NuGet, используя следующий синтаксис::

#r "nuget:<package name>,<package version>"

Например

# r "nuget:Octokit, 0.32.0"
# r "nuget:NodaTime, 2.4.6"
using Octokit; using NodaTime; 
using NodaTime.Extensions; 
using XPlot.Plotly; 

Графики с XPlot

Графики отображаются с использованием Xplot.Plotly ^[6]. Как только пользователи импортируют пространство имен XPlot.Plotly в свои блокноты (используя Xplot.Ploty;), они могут начать создавать крутые визуализации данных в .NET.

Изучайте .NET Notebook online для получения дополнительной документации и примеров.

Блокноты .NET идеально подходят для ML.NET и .NET for Apache Spark

Блокноты .NET приносят в .NET итеративные интерактивные возможности, популярные в мире машинного обучения и больших данных.

ML.NET

ML.NET с Jupyter Notebooks

Блокноты .NET открывают для ML.NET несколько привлекательных сценариев, таких как изучение и документирование экспериментов по обучению моделей, исследование распространения данных, очистка данных, построение диаграмм с данными и обучение.

Для получения более подробной информации о том, как использовать ML.NET в блокнотах Jupyter, ознакомьтесь с этой статьей в блоге об использовании ML.NET в блокнотах Jupyter ^[7]. Команда ML.NET собрала несколько online-примеров ^[8], чтобы вы могли начать работу с ними.

.NET для Apache Spark

Big Data для .NET

Поддержка блокнотов незаменима, когда вы имеете дело со случаями использования больших данных. Notebooks позволяют дата-сайнтистам, инженерам по машинному обучению, аналитикам и всем, кто интересуется большими данными, быстро создавать модели, выполнять и анализировать запросы.

Сегодня разработчики .NET имеют два варианта запуска .NET для запросов Apache Spark в notebooks: Azure Synapse Analytics ^[9] Notebooks и Azure HDInsight Spark + Jupyter Notebooks ^[10]. Оба варианта позволяют вам писать и выполнять быстрые ad-hoc запросы в дополнение к разработке полных, комплексных сценариев больших данных, таких как чтение данных, их преобразование и визуализация.

Вариант 1: Azure Synapse Analytics ^[11] поставляется с готовой поддержкой .NET для Apache Spark (C#).

Вариант 2: Ознакомьтесь с руководством ^[10] по .NET для Apache Spark на GitHub ^[12], чтобы узнать, как начать работу с .NET для Apache Spark в HDInsight + блокнотах Jupyter.

Автор: Александр Гуреев

Источник ^[14]