MLHub FAQ

Migration von (alten) Test-Notebooks

  • Wie migriere ich mein (altes) Test-Notebook zum neuen MLHub?

Alle Informationen zur Migration finden Sie in diesem Dokument. Hier ist eine kurze Zusammenfassung der Schritte:

  1. Exportieren Sie die Notebooks, die beibehalten werden sollen, bevor Sie mit dem Upgrade beginnen
  2. Konvertieren Sie die Notebooks mit Hilfe eines Skripts, das Ihnen Ihre Customer Success Managerin zur Verf├╝gung stellen kann
  3. Importieren Sie nach dem Upgrade die konvertierten Notebooks. Dies muss von dem Benutzer durchgef├╝hrt werden, dem die Notebooks geh├Âren werden.

Stellen Sie sicher, dass Sie die erforderlichen Ma├čnahmen ergreifen, bevor Ihre TrendMiner       Installation auf Version 2022.R2.0 aktualisiert wird. F├╝r weitere Informationen wenden Sie sich an Ihre Customer Success Managerin oder an support@trendminer.com.

  • Funktionieren meine Machine Learning Model Tags nach dem Upgrade noch?
    Machine Learning Model Tags werden beim Upgrade auf TrendMiner 2022.R2.0 automatisch      migriert, wenn eine aktive Lizenz f├╝r Notebooks und Machine Learning Model Tags vorhanden      ist. Stellen Sie sicher, dass Sie dies vor Beginn des Upgrades ├╝berpr├╝fen (weitere Informationen zur ├ťberpr├╝fung finden Sie hier.
  • Die Kacheln meines DashHub (alten) Test-Notebooks funktionieren nicht mehr, was kann ich tun?
    DashHub-Kacheln, die auf (alten) Test-Notebooks basieren, werden nicht automatisch migriert und m├╝ssen neu erstellt werden. L├Âschen Sie die Kacheln aus Ihrem Dashboard und folgen Sie dem Verfahren in diesem Artikel, um ein Pipeline-Objekt aus Ihrem (migrierten) Notebook zu erstellen und eine neue Notebook-Ausgabekachel unter Verwendung dieser Pipeline zu konfigurieren. Beachten Sie, dass dieser Schritt erst durchgef├╝hrt werden kann, wenn das Upgrade und die Migration der Notebooks abgeschlossen sind.

MLHub notebooks

  • Welche Skriptsprachen werden von den Notebooks unterst├╝tzt?
    Derzeit wird nur Python unterst├╝tzt. Es ist geplant, in zuk├╝nftigen Versionen weitere Sprachen hinzuzuf├╝gen. Verwenden Sie die Funktion 'Formulieren Sie einen Wunsch' im Hilfe-Men├╝, um uns mitzuteilen, welche Sprachen Sie gerne in Notebooks verwenden w├╝rden.

  • Wie kann ich andere Sprachen installieren?
    Es ist nicht m├Âglich, andere Sprachen selbst zu installieren. Es ist geplant, in zuk├╝nftigen Versionen weitere Sprachen hinzuzuf├╝gen. Benutzen Sie die Funktion 'Formulieren Sie einen Wunsch ' im Hilfemen├╝, um uns mitzuteilen, welche Sprachen Sie in den Notebooks verwenden m├Âchten.

  • Welche Pakete kann ich verwenden?
    Die folgenden Python-Pakete werden standardm├Ą├čig mit MLHub ausgeliefert: dask, ipykernel, ipython, Jinja2, Keras, matplotlib, nbformat, numba, numpy, nyoka, pandas, pandasql, plotly, protobuf, psutil, pyod, scipy, seaborn, scikit-learn, statsmodels, suod. Wenn Ihr TrendMiner Server ├╝ber eine offene Internetverbindung verf├╝gt, k├Ânnen Sie auch zus├Ątzliche Pakete installieren.

  • Wie kann ich weitere Pakete installieren?
    Sie k├Ânnen zus├Ątzliche Pakete installieren, indem Sie den Befehl pip install in Ihrem Notebook-Code verwenden. Beachten Sie, dass der TrendMiner Server mit dem Internet verbunden sein muss, damit dies funktioniert (bitte fragen Sie Ihren lokalen Administrator, ob dies der Fall ist). Wenn Sie diesen Befehl verwenden, wird das Paket in Ihrem aktuellen Kernel heruntergeladen. Beispiel: "pip install tensflow" wird das neueste TensorFlow-Paket herunterladen und installieren. Es ist nicht m├Âglich, zus├Ątzliche Pakete zu installieren, wenn Ihr TrendMiner Server keine Verbindung zum Internet herstellen kann.

  • Kann ich bestehende Python-Skripte importieren?
    Sie k├Ânnen Notebooks ├╝ber die Schaltfl├Ąche Importieren in MLHub importieren. Es werden nur Jupyter-Notebooks(Dateierweiterung .ipynb) unterst├╝tzt.

  • Kann ich meine Notebooks exportieren?
    Dies ist derzeit nicht m├Âglich. Verwenden Sie die Funktion 'Formulieren Sie einen Wunsch' im Hilfe-Men├╝, um uns mitzuteilen, ob diese Funktion f├╝r Sie n├╝tzlich w├Ąre.

  • Wie kann ich mit einer Kollegin an einem Notebook zusammenarbeiten?
    Sie k├Ânnen Ihr Notebook ├╝ber den Work Organizer mit Ihrer Kollegin teilen. Beachten Sie, dass Ihre Kollegin nur Ansichtsrechte f├╝r das Notebook hat und dass ├änderungen, die sie vornimmt, nicht gespeichert werden. Die gemeinsame Nutzung mit Bearbeitungsrechten ist f├╝r die Zukunft geplant. Nutzen Sie die Funktion 'Formulieren Sie einen Wunsch' im Hilfe-Men├╝, um uns mitzuteilen, ob dies f├╝r Sie n├╝tzlich w├Ąre.

  • Welche Daten verwendet MLHub beim Laden einer TrendHub-Ansicht?
    MLHub verwendet indizierte Daten, wie sie von TrendMiner gespeichert werden. Das Code Snippet greift auf die in der Ansicht gespeicherten Daten zu und importiert sie als Datenrahmen in Ihr Notebook.

  • Woher wei├č ich, dass mein Notebook erfolgreich gespeichert wurde?
    ÔÇőSie m├╝ssen Ihr Notebook nach jeder ├änderung manuell speichern. Es ist geplant, in zuk├╝nftigen Versionen Best├Ątigungsmeldungen hinzuzuf├╝gen.

  • Kann ich die TrendMiner Inhalts-Snippets ├╝ber Arbeitssitzungen hinweg beibehalten?
    Derzeit sind diese Snippets nur in Ihrer aktuellen Sitzung verf├╝gbar und werden nicht gespeichert. Das bedeutet, dass Ihr TrendMiner Inhaltsmen├╝ nach dem Neuladen der Seite leer ist.

  • Wie kann ich eine Zelle in meinem Notebook l├Âschen?
    Derzeit gibt es keine Option 'Zelle l├Âschen'. Sie k├Ânnen jedoch die Aktion 'Ausschneiden' verwenden, um die Zelle zu entfernen. Beachten Sie, dass dadurch der aktuelle Inhalt Ihrer Zwischenablage ├╝berschrieben wird.

  • Kann ich mein gesamtes Notebook betreiben, ohne den Kernel neu zu starten?
    Nein, Sie k├Ânnen das Notebook entweder Zelle f├╝r Zelle ausf├╝hren oder Sie w├Ąhlen die Option, den Kernel neu zu starten und das gesamte Notebook auszuf├╝hren (dies ist allerdings nur ein Klick).

  • Warum sind die Dialogfelder meines Notebooks in Englisch und nicht in der Sprache meines Browsers?TrendMiner verwendet die Technologie von Drittanbietern f├╝r die MLHub-Notebooks. Auch wenn die meisten Funktionen sprachabh├Ąngig sind, k├Ânnen wir nicht garantieren, dass alle Dialogfelder und Texte f├╝r diese Notebook-Funktionen vollst├Ąndig ├╝bersetzt werden.

DashHub Notebook-Kacheln

  • Wie kann ich die Ausgabe eines Notebooks auf einem Dashboard freigeben?
    Sie k├Ânnen die Notebook-Ausgabe auf einem Dashboard in DashHub ├╝ber eine Notebook-Ausgabekachel freigeben. Erstellen Sie ein Pipeline-Objekt mit der Option "Ver├Âffentlichen" in den MLHub-Notebooks (weitere Informationen hier). Als n├Ąchstes f├╝gen Sie Ihrem Dashboard eine Kachel f├╝r die Notebook-Ausgabe hinzu, die die erstellte Pipeline verwendet. Weitere Informationen zum Einrichten von DashHub-Kacheln finden Sie hier.

  • Wie kann ich die in meiner DashHub Notebook-Kachel verwendete Pipeline bearbeiten?
    Derzeit ist es nicht m├Âglich, bestehende Pipelines zu bearbeiten oder zu ├╝berschreiben. Sie m├╝ssen eine neue Pipeline aus Ihrem Notebook erstellen und sie der Kachel f├╝r die Notebook-Ausgabe zuweisen.

Allgemeine Best Practices

  • Haben Sie allgemeine Best Practices, um die beste Leistung unserer Notebooks zu gew├Ąhrleisten?
    Die folgenden Tipps sollen Ihnen helfen, die Leistungsf├Ąhigkeit Ihrer Notebooks zu gew├Ąhrleisten:
    • Laden Sie nicht unn├Âtig gro├če Datens├Ątze. Nehmen Sie nur die notwendigen Tags und Zeitr├Ąume in die Ansichten auf, die Sie in Ihre Notebooks laden.
      • Wenn Sie z.B. aktuelle Daten im Vergleich zu einer berechneten Regressionslinie anzeigen m├Âchten, sollten Sie die Schritte zur Berechnung der Regressionslinie, die m├Âglicherweise Monate an Daten geladen haben, nicht einbeziehen. Speichern Sie stattdessen die Regressionslinie nach der Parametereinstellung und zeichnen Sie sie sofort.
    • Wenn Sie ein Pipeline-Objekt zur Verwendung in einer DashHub Notebook-Kachel erstellen, sollten Sie nur die notwendigen Schritte Ihrer Notebooks aufnehmen. Lassen Sie alle Schritte weg, die nicht zu dem endg├╝ltigen Ergebnis beitragen, das Sie weitergeben m├Âchten.
    • Trennen Sie das Modelltraining von der Modellausf├╝hrung. Trainieren Sie ein Modell nicht bei jeder Ausf├╝hrung einer DashHub Notebook-Kachel neu. F├╝hren Sie das Modell stattdessen nur mit den neu verf├╝gbaren Daten aus.

Performance

  • Was sind die empfohlenen Systemressourcen?
    Die empfohlenen Systemressourcen f├╝r TrendMiner inkl. MLHub finden Sie in der Installationsanleitung. Beachten Sie, dass die Systemressourcen bei intensiver Nutzung der MLHub-Funktionen m├Âglicherweise weiter erh├Âht werden m├╝ssen.

  • Wie viel Speicherplatz wird meinem Notebook und meiner DashHub Notebook-Ausgabekachel zugewiesen?
    Jedem Notebook-Kernel wird 1 GB RAM zugewiesen. Der Kernel wird nach 30 Minuten bei Nichtbenutzung gel├Âscht. Den Kacheln der Notebook-Ausgabe werden 256 MB RAM zugewiesen, wenn sie aktualisiert werden. Diese werden direkt nach der Ausf├╝hrung der verbundenen Pipeline gel├Âscht. Bitte beachten Sie die oben genannten allgemeinen Best Practices, um Speicherbeschr├Ąnkungen zu vermeiden.

  • Wie viele Benutzerinnen k├Ânnen Notebooks gleichzeitig verwenden?
    Dies h├Ąngt von den verf├╝gbaren Systemressourcen und der Anzahl der ausgef├╝hrten Notebook-Kacheln ab. Bei den minimalen Systemanforderungen (siehe Installationsanleitung) sollte es kein Problem sein, dass mindestens 4 Benutzerinnen gleichzeitig die Notebooks verwenden. Sollten Sie Leistungsprobleme feststellen, wenn mehr Benutzerinnen MLHub verwenden oder eine gro├če Anzahl von Kacheln f├╝r die Notebook-Ausgabe erstellt wird, m├╝ssen die Systemressourcen (RAM und CPUs) erh├Âht werden.

  • Welche Auswirkungen hat MLHub auf die Kernleistung von TrendMiner? ÔÇő
    MLHub, die Notebooks und die Kacheln der Notebook-Ausgabe verwenden ihre eigenen Ressourcen, unabh├Ąngig von den TrendMiner Kerndiensten. Daher hat MLHub unter normalen Umst├Ąnden keinen Einfluss auf die Kernleistung von TrendMiner. In Ausnahmef├Ąllen kann jedoch ein Ausfall eines anderen TrendMiner-Dienstes, w├Ąhrend MLHub viel Speicher anfordert, zu einem Neustart des anderen Dienstes f├╝hren.

Fehlersuche

  • Warum kann ich ein Notebook nicht von meinem Work Organizer aus ├Âffnen? ÔÇő
    Das ├ľffnen eines Notebooks aus dem Work Organizer wird derzeit nicht unterst├╝tzt. Wir planen, dies in einer zuk├╝nftigen Version hinzuzuf├╝gen. Sie k├Ânnen Ihr Notebooks ├╝ber die Option 'Laden' in MLHub ├Âffnen.

  • Was sollte ich tun, wenn ich Syntax- oder andere pythonspezifische Fehler erhalte?
    Wenn der Fehler bei einem geladenen TrendMiner Snippet auftritt, k├Ânnen Sie sich gerne an support@trendminer.com wenden, um das Problem zu untersuchen. Syntax- oder andere pythonspezifische Fehler in Ihrem eigenen Code m├╝ssen Sie selbst beheben.

  • ÔÇőWarum ist mein Code nach dem Schlie├čen des Notebooks verschwunden?
    MLHub-Notebooks werden nicht automatisch gespeichert. Sie m├╝ssen Ihr Notebook ausdr├╝cklich speichern, bevor Sie es schlie├čen. Wir empfehlen, Ihre ├änderungen regelm├Ą├čig zu speichern.

  • Warum erhalte ich im Notebook einen "Dateispeicherfehler"?
    Dies geschieht in der Regel, wenn Sie das Notebook aus dem Work Organizer gel├Âscht haben, w├Ąhrend es noch im Editor ge├Âffnet war.

  • Was soll ich tun, wenn ich in einer Kachel f├╝r die Notebook-Ausgabe die Fehlermeldung "Something went wrong" erhalte?
    Bitten Sie den Besitzer des Notebooks zu pr├╝fen, ob alle erforderlichen Zellen im Pipeline-Objekt enthalten sind. Wenn der Code eine gro├če Ansicht l├Ądt oder komplizierten Code enth├Ąlt, k├Ânnte es sein, dass der der Kachel zugewiesene Speicher nicht ausreicht. Oder es sind nicht gen├╝gend Ressourcen vorhanden, um alle aktuellen Notebooks und Kacheln gleichzeitig auszuf├╝hren.

Bitte wenden Sie sich an support@trendminer.com, nachdem Sie die Vollst├Ąndigkeit der Pipeline, die Komplexit├Ąt des Codes und die Anzahl der Notebook-Benutzerinnen/Notebook-Kacheln auf dieser Installation ├╝berpr├╝ft haben. Diese Informationen werden uns helfen, die Ursache zu finden und eine L├Âsung vorzuschlagen.

Enjoying TrendMiner? Share your experience to help the community and receive $25.
Rate TrendMiner