Lorsque vous pensez aux blocs-notes Jupyter, le code Python, R, Julia ou Scala vient probablement à l'esprit, pas .NET. Aujourd'hui, nous sommes heureux d'annoncer que vous pouvez écrire du code .NET dans les ordinateurs portables Jupyter.
Try .NET a évolué pour prendre en charge des fonctionnalités plus interactives sur Internet avec des extraits de code exécutables, un générateur de documentation interactif pour .NET Core avec l'outil d'essai global dotnet. Eh bien, maintenant .NET est disponible sur les ordinateurs portables Jupyter.
Créer des ordinateurs portables Jupyter .NET
Pour commencer avec les blocs-notes .NET, vous avez besoin des éléments suivants:
CARACTÉRISTIQUES
L'ensemble de fonctions initial que nous avons ajouté était censé être pertinent pour les développeurs ayant une expérience de travail sur les ordinateurs portables, ainsi que pour donner aux nouveaux utilisateurs un ensemble d'outils utiles qu'ils aimeraient essayer. Voyons quelques-unes des fonctionnalités que nous avons incluses.
La première chose que vous devez savoir est lorsque vous écrivez C # ou F # dans un bloc-notes .NET, vous utiliserez le script C # ou F # interactif.
Vous pouvez apprendre les fonctions répertoriées ci-dessous localement sur votre ordinateur ou sur Internet en utilisant
l'image middleware dotnet / try .
Pour la documentation en ligne, veuillez vous rendre dans le sous-dossier Docs situé dans les dossiers C # ou F #.
Liste des fonctionnalités
Sortie écran: Il existe plusieurs façons d'afficher la sortie dans les ordinateurs portables. Vous pouvez utiliser l'une des méthodes indiquées dans l'image ci-dessous.
Formateurs d'objets: par défaut, dans le bloc-notes .NET, les utilisateurs peuvent afficher des informations utiles sur un objet dans un format tabulaire.
Sortie HTML: Par défaut, les blocs-notes .NET sont livrés avec plusieurs méthodes d'assistance pour écrire du HTML. Des aides de base qui permettent aux utilisateurs d'écrire des chaînes au format HTML ou de sortir du Javascript vers du HTML plus complexe avec PocketView.
Importation de packages: vous pouvez télécharger des packages NuGet à l'aide de la syntaxe suivante:
#r "nuget:<package name>,<package version>"
Par exemple
# r "nuget:Octokit, 0.32.0" # r "nuget:NodaTime, 2.4.6" using Octokit; using NodaTime; using NodaTime.Extensions; using XPlot.Plotly;
Graphiques avec XPlotLes graphiques sont affichés à l'aide de
Xplot . Une fois que les utilisateurs importent l'espace de noms XPlot.Plotly dans leurs blocs-notes (à l'
Xplot.Ploty; ), ils peuvent commencer à créer des visualisations de données intéressantes dans .NET.
Explorez .NET Notebook en ligne pour plus de documentation et d'exemples.
Les blocs-notes .NET sont parfaits pour ML.NET et .NET pour Apache Spark
Les blocs-notes .NET apportent des fonctionnalités interactives itératives à .NET qui sont populaires dans le monde de l'apprentissage automatique et du Big Data.
ML.NET
ML.NET avec Jupyter Notebooks
Les blocs-notes .NET ouvrent plusieurs scénarios attrayants pour ML.NET, tels que l'exploration et la documentation d'expériences de formation de modèles, l'exploration de la diffusion de données, le nettoyage de données, le traçage de données et l'apprentissage.
Pour plus d'informations sur l'utilisation de ML.NET dans les blocs-notes Jupyter, consultez ce billet de blog sur l'
utilisation de ML.NET dans les blocs-notes Jupyter . L'équipe ML.NET a rassemblé plusieurs
exemples en ligne afin que vous puissiez commencer avec eux.
.NET pour Apache Spark
Big Data pour .NET
La prise en charge des ordinateurs portables est indispensable dans les cas d'utilisation de mégadonnées. Les ordinateurs portables permettent aux scientifiques des données, aux ingénieurs d'apprentissage automatique, aux analystes et à toute personne intéressée par les mégadonnées de créer rapidement des modèles et d'exécuter et d'analyser les requêtes.
Aujourd'hui, les développeurs .NET ont deux options pour exécuter .NET pour les requêtes Apache Spark dans les blocs-notes: les blocs-notes
Azure Synapse Analytics et les blocs-notes
Azure HDInsight Spark + Jupyter . Les deux options vous permettent d'écrire et d'exécuter des requêtes ad hoc rapides en plus de développer des scripts de Big Data complets et complexes tels que la lecture, la transformation et la visualisation de données.
Option 1:
Azure Synapse Analytics est livré avec une prise en charge .NET prête à l'emploi pour Apache Spark (C #).
Option 2:
consultez le didacticiel .NET pour Apache Spark
sur GitHub pour savoir comment démarrer avec .NET pour Apache Spark dans les blocs-notes HDInsight + Jupyter.
Voir aussi:
7 cours gratuits pour les développeurs