Notatnik do tego ćwiczenia

Lab 4B: Praca z zestawami danych (Datasets)

Zasoby danych (data assets) pozwalają opakować dane na potrzeby zadań (jobs) i trenowania. Zasoby tabelaryczne (mltable) i plikowe (uri_folder) służą do definiowania wersjonowanych źródeł danych, które łatwo wykorzystasz w kolejnych zadaniach.

Zanim zaczniesz

Zanim rozpoczniesz to ćwiczenie, upewnij się, że masz ukończone Lab 1A i Lab 1B - powstaje w nich obszar roboczy Azure Machine Learning oraz inne zasoby używane w tym ćwiczeniu.

Krok 1: Praca z zasobami danych

W tym kroku użyjesz kodu w notatniku, aby popracować z tabelarycznymi i plikowymi zasobami danych.

1. W Azure Machine Learning studio otwórz stronę Compute swojego obszaru roboczego, a na karcie Compute instances upewnij się, że Twoja instancja obliczeniowa jest uruchomiona. Jeśli nie, uruchom ją.
2. Gdy instancja obliczeniowa jest uruchomiona, kliknij link JupyterLab przy tej instancji, aby otworzyć JupyterLab w nowej karcie przeglądarki.
3. W przeglądarce plików JupyterLab otwórz folder MachineLearningCourse/materialy/azure-ml/pl, a w nim notatnik 04B - Working with Datasets.ipynb. Upewnij się, że korzysta on z kernela Python 3.10 - SDK v2, a potem czytaj komentarze w notatniku, uruchamiając kolejno każdą komórkę kodu.

Uwaga: Jeśli zamierzasz przejść od razu do kolejnego ćwiczenia, zostaw instancję obliczeniową uruchomioną. Jeśli robisz przerwę, warto zamknąć wszystkie karty JupyterLab i zatrzymać instancję obliczeniową przyciskiem Stop, aby uniknąć niepotrzebnych kosztów.