노트북 코딩 및 실행

노트북 편집기에서 사용할 노트북을 생성한 후에는 분석을 수행할 수 있도록 라이브러리, 코드 및 데이터를 추가해야 합니다.

노트북에서 분석 애플리케이션을 개발하려면 다음의 일반적인 단계를 따르십시오:

1. 노트북을 편집 모드로 엽니다: 노트북 미리 보기 창이 열리면 편집 아이콘을 클릭합니다. 노트북이 잠겨 있다면 잠금을 해제하고 편집하세요.

2. 노트북이 신뢰할 수 없는 것으로 표시된 경우:

   1. “신뢰할 수 없음” 알림을 클릭하세요.
   2. ‘신뢰’를 클릭하여 모든 셀을 실행하십시오.

   메뉴에 이 옵션이 보이지 않는다면, 조직 관리자가 활성 콘텐츠를 비활성화한 것입니다.

3. 노트북에 연결된 환경 템플릿이 예상되는 분석 처리량에 적합한 하드웨어 사양을 갖추고 있는지 확인하십시오.

   1. 노트북 도구 모음에서 ‘노트북 정보 보기’ 아이콘()을 클릭한 다음 ‘환경’ 페이지를 선택하여 환경의 크기를 확인하세요.

   2. 환경을 변경해야 하는 경우, 목록에서 다른 환경을 선택하거나, 사용 가능한 환경 중 원하는 조건에 맞는 것이 없다면 직접 환경 템플릿을 생성하십시오. ‘환경 템플릿 만들기 ’를 참조하십시오.

      사용자 정의 환경 템플릿을 생성하면, 이 템플릿에 라이브러리를 추가할 수 있습니다. 이 라이브러리들은 환경이 시작될 때 미리 설치됩니다. Python 및 R 환경 사용자 지정에 대해 알아보세요.

4. 사전 설치된 라이브러리를 불러옵니다. 노트북용 라이브러리와 스크립트를 참조하십시오.

5. 데이터를 불러오고 액세스합니다. 자산 선택 시 자동으로 생성되는 코드를 실행하거나, 미리 설치된 라이브러리 함수를 사용하여 프로그래밍 방식으로 프로젝트 자산의 데이터에 접근할 수 있습니다. ‘데이터 로드 및 액세스’를 참조하십시오.

6. 데이터를 준비하고 분석하십시오.

7. 필요한 경우, 노트북이 정해진 시간에 실행되도록 예약하십시오. “노트북 작업 예약”을 참조하십시오.

   1. 프로젝트의 ‘작업 실행’ 페이지에서 작업 실행 상태를 확인하세요.
   2. ‘자산’ 탭에서 해당 작업을 찾아 클릭하여 작업 상세 페이지를 열어보세요. 그곳에서 해당 작업의 실행 내역과 각 실행의 상태를 확인할 수 있습니다. 실행이 실패한 경우, 해당 실행을 선택하여 로그의 마지막 부분을 확인하거나 전체 로그 파일을 다운로드하여 문제를 해결할 수 있습니다.

8. 코드를 실행하는 데 문제가 있다면, 디버거를 사용하여 노트북의 코드 셀을 하나씩 확인해 보세요. 디버거를 활성화하려면:

   1. 노트북 도구 모음에서 ‘디버거 활성화’ 아이콘()을 클릭하세요.
   2. 코드 줄 옆을 클릭하면 중단점을 추가할 수 있습니다.

   ‘보기’ 메뉴에서 코드를 디버그하려면 ‘오른쪽 사이드바’를 선택한 다음 ‘디버거 표시’를 선택하세요.

9. 노트북을 사용하지 않을 때는 ‘ Kernel’로 이동하여 ‘Shut Down Kernel’을 클릭해 노트북 커널을 중지하고 리소스를 확보하세요.

   노트북이 아직 실행 중인 상태에서 실수로 브라우저 창을 닫거나, 작업이 너무 오래 실행되어 시스템에서 강제로 로그아웃되는 경우, 커널은 계속 활성화된 상태로 유지됩니다. 동일한 노트북을 다시 열면, 해당 노트북은 동일한 커널에 연결되며 모든 출력 셀이 유지됩니다. 노트북의 실행 진행 상황은 로컬 커널에서 실행되는 노트북에 대해서만 복원할 수 있습니다. 노트북이 Spark 또는 Hadoop 클러스터에서 실행되는 경우, 노트북을 종료하거나 웹 브라우저 창을 닫기 전에 저장하지 않은 모든 변경 사항은 사라집니다.

클러스터에 watsonx.ai 서비스가 설치되어 있다면, 노트북에 특정 모델에 대한 다양한 샘플 프롬프트를 추가할 수 있습니다. 샘플 프롬프트를 추가하려면 코드 스니펫 아이콘()을 클릭하고, ‘프롬프트 엔지니어링’을 선택한 다음, 다양한 카테고리를 살펴보며 원하는 샘플 프롬프트를 찾으세요. 프롬프트를 선택한 후 ‘셀에 코드 삽입’을 클릭하면 노트북에 프롬프트가 삽입됩니다.

이 동영상을 통해 UNData 포털의 강수량 데이터를 시각화하고 분석하기 위해 노트북을 코딩하고 실행하는 방법을 확인해 보세요.

%env http_proxy=http://username:password@corp.com:8080
%env https_proxy=https://username:password@corp.com: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