Migration von (alten) Test-Notebooks
- 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 Verfügung stellen kann 3. Importieren Sie nach dem Upgrade die konvertierten Notebooks. Dies muss von dem Benutzer durchgeführt werden, dem die Notebooks gehören werden.
Stellen Sie sicher, dass Sie die erforderlichen Maßnahmen ergreifen, bevor Ihre TrendMiner Installation auf Version 2022.R2.0 aktualisiert wird. Für 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 für Notebooks und Machine Learning Model Tags vorhanden ist. Stellen Sie sicher, dass Sie dies vor Beginn des Upgrades überprüfen (weitere Informationen zur Überprüfung 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 müssen neu erstellt werden. Löschen 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 durchgeführt werden kann, wenn das Upgrade und die Migration der Notebooks abgeschlossen sind.
MLHub notebooks
- Welche Skriptsprachen werden von den Notebooks unterstützt?
Derzeit wird nur Python unterstützt. Es ist geplant, in zukünftigen Versionen weitere Sprachen hinzuzufügen. Verwenden Sie die Funktion 'Formulieren Sie einen Wunsch' im Hilfe-Menü, um uns mitzuteilen, welche Sprachen Sie gerne in Notebooks verwenden würden. - Wie kann ich andere Sprachen installieren?
Es ist nicht möglich, andere Sprachen selbst zu installieren. Es ist geplant, in zukünftigen Versionen weitere Sprachen hinzuzufügen. Benutzen Sie die Funktion 'Formulieren Sie einen Wunsch ' im Hilfemenü, um uns mitzuteilen, welche Sprachen Sie in den Notebooks verwenden möchten. - Welche Pakete kann ich verwenden?
Die folgenden Python-Pakete werden standardmäßig 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 über eine offene Internetverbindung verfügt, können Sie auch zusätzliche Pakete installieren. - Wie kann ich weitere Pakete installieren?
Sie können zusätzliche 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 möglich, zusätzliche Pakete zu installieren, wenn Ihr TrendMiner Server keine Verbindung zum Internet herstellen kann. - Kann ich bestehende Python-Skripte importieren?
Sie können Notebooks über die Schaltfläche Importieren in MLHub importieren. Es werden nur Jupyter-Notebooks(Dateierweiterung .ipynb) unterstützt. - Kann ich meine Notebooks exportieren?
Die Notizbuch-Symbolleiste bietet eine Option zum Herunterladen Ihres Notizbuchs (Dateierweiterung .ipynb). - Wie kann ich mit einer Kollegin an einem Notebook zusammenarbeiten?
Sie können Ihr Notebook über den Work Organizer mit Ihrer Kollegin teilen. Beachten Sie, dass Ihre Kollegin nur Ansichtsrechte für das Notebook hat und dass Änderungen, die sie vornimmt, nicht gespeichert werden. Die gemeinsame Nutzung mit Bearbeitungsrechten ist für die Zukunft geplant. Nutzen Sie die Funktion 'Formulieren Sie einen Wunsch' im Hilfe-Menü, um uns mitzuteilen, ob dies für Sie nützlich wäre. - 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 weiß ich, dass mein Notebook erfolgreich gespeichert wurde?
Sie müssen Ihr Notebook nach jeder Änderung manuell speichern. Es ist geplant, in zukünftigen Versionen Bestätigungsmeldungen hinzuzufügen. - Kann ich die TrendMiner Inhalts-Snippets über Arbeitssitzungen hinweg beibehalten?
Derzeit sind diese Snippets nur in Ihrer aktuellen Sitzung verfügbar und werden nicht gespeichert. Das bedeutet, dass Ihr TrendMiner Inhaltsmenü nach dem Neuladen der Seite leer ist. - Wie kann ich eine Zelle in meinem Notebook löschen?
Derzeit gibt es keine Option 'Zelle löschen'. Sie können jedoch die Aktion 'Ausschneiden' verwenden, um die Zelle zu entfernen. Beachten Sie, dass dadurch der aktuelle Inhalt Ihrer Zwischenablage überschrieben wird. - Kann ich mein gesamtes Notebook betreiben, ohne den Kernel neu zu starten?
Nein, Sie können das Notebook entweder Zelle für Zelle ausführen oder Sie wählen die Option, den Kernel neu zu starten und das gesamte Notebook auszuführen (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 für die MLHub-Notebooks. Auch wenn die meisten Funktionen sprachabhängig sind, können wir nicht garantieren, dass alle Dialogfelder und Texte für diese Notebook-Funktionen vollständig übersetzt werden.
DashHub Notebook-Kacheln
- Wie kann ich die Ausgabe eines Notebooks auf einem Dashboard freigeben?
Sie können die Notebook-Ausgabe auf einem Dashboard in DashHub über eine Notebook-Ausgabekachel freigeben. Erstellen Sie ein Pipeline-Objekt mit der Option "Veröffentlichen" in den MLHub-Notebooks (weitere Informationen hier). Als nächstes fügen Sie Ihrem Dashboard eine Kachel für 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 möglich, bestehende Pipelines zu bearbeiten oder zu überschreiben. Sie müssen eine neue Pipeline aus Ihrem Notebook erstellen und sie der Kachel für die Notebook-Ausgabe zuweisen.
Allgemeine Best Practices
- Haben Sie allgemeine Best Practices, um die beste Leistung unserer Notebooks zu gewährleisten?
Die folgenden Tipps sollen Ihnen helfen, die Leistungsfähigkeit Ihrer Notebooks zu gewährleisten:- Laden Sie nicht unnötig große Datensätze. Nehmen Sie nur die notwendigen Tags und Zeiträume in die Ansichten auf, die Sie in Ihre Notebooks laden.
- Wenn Sie z.B. aktuelle Daten im Vergleich zu einer berechneten Regressionslinie anzeigen möchten, sollten Sie die Schritte zur Berechnung der Regressionslinie, die möglicherweise 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 endgültigen Ergebnis beitragen, das Sie weitergeben möchten.
- Trennen Sie das Modelltraining von der Modellausführung. Trainieren Sie ein Modell nicht bei jeder Ausführung einer DashHub Notebook-Kachel neu. Führen Sie das Modell stattdessen nur mit den neu verfügbaren Daten aus.
- Laden Sie nicht unnötig große Datensätze. Nehmen Sie nur die notwendigen Tags und Zeiträume in die Ansichten auf, die Sie in Ihre Notebooks laden.
Performance
- Was sind die empfohlenen Systemressourcen?
Die empfohlenen Systemressourcen für TrendMiner inkl. MLHub finden Sie in der Installationsanleitung. Beachten Sie, dass die Systemressourcen bei intensiver Nutzung der MLHub-Funktionen möglicherweise weiter erhöht werden müssen. - 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 gelöscht. Den Kacheln der Notebook-Ausgabe werden 256 MB RAM zugewiesen, wenn sie aktualisiert werden. Diese werden direkt nach der Ausführung der verbundenen Pipeline gelöscht. Bitte beachten Sie die oben genannten allgemeinen Best Practices, um Speicherbeschränkungen zu vermeiden. - Wie viele Benutzerinnen können Notebooks gleichzeitig verwenden?
Dies hängt von den verfügbaren Systemressourcen und der Anzahl der ausgeführten 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 große Anzahl von Kacheln für die Notebook-Ausgabe erstellt wird, müssen die Systemressourcen (RAM und CPUs) erhöht werden. - Welche Auswirkungen hat MLHub auf die Kernleistung von TrendMiner?
MLHub, die Notebooks und die Kacheln der Notebook-Ausgabe verwenden ihre eigenen Ressourcen, unabhängig von den TrendMiner Kerndiensten. Daher hat MLHub unter normalen Umständen keinen Einfluss auf die Kernleistung von TrendMiner. In Ausnahmefällen kann jedoch ein Ausfall eines anderen TrendMiner-Dienstes, während MLHub viel Speicher anfordert, zu einem Neustart des anderen Dienstes führen.
Fehlersuche
- Warum kann ich ein Notebook nicht von meinem Work Organizer aus öffnen?
Das Öffnen eines Notebooks aus dem Work Organizer wird derzeit nicht unterstützt. Wir planen, dies in einer zukünftigen Version hinzuzufügen. Sie können Ihr Notebooks über die Option 'Laden' in MLHub öffnen. - Was sollte ich tun, wenn ich Syntax- oder andere pythonspezifische Fehler erhalte?
Wenn der Fehler bei einem geladenen TrendMiner Snippet auftritt, können Sie sich gerne an support@trendminer.com wenden, um das Problem zu untersuchen. Syntax- oder andere pythonspezifische Fehler in Ihrem eigenen Code müssen Sie selbst beheben. - Warum ist mein Code nach dem Schließen des Notebooks verschwunden?
MLHub-Notebooks werden nicht automatisch gespeichert. Sie müssen Ihr Notebook ausdrücklich speichern, bevor Sie es schließen. Wir empfehlen, Ihre Änderungen regelmäßig zu speichern. - Warum erhalte ich im Notebook einen "Dateispeicherfehler"?
Dies geschieht in der Regel, wenn Sie das Notebook aus dem Work Organizer gelöscht haben, während es noch im Editor geöffnet war. - Was soll ich tun, wenn ich in einer Kachel für die Notebook-Ausgabe die Fehlermeldung "Something went wrong" erhalte?
Bitten Sie den Besitzer des Notebooks zu prüfen, ob alle erforderlichen Zellen im Pipeline-Objekt enthalten sind. Wenn der Code eine große Ansicht lädt oder komplizierten Code enthält, könnte es sein, dass der der Kachel zugewiesene Speicher nicht ausreicht. Oder es sind nicht genügend Ressourcen vorhanden, um alle aktuellen Notebooks und Kacheln gleichzeitig auszuführen.
Bitte wenden Sie sich an support@trendminer.com, nachdem Sie die Vollständigkeit der Pipeline, die Komplexität des Codes und die Anzahl der Notebook-Benutzerinnen/Notebook-Kacheln auf dieser Installation überprüft haben. Diese Informationen werden uns helfen, die Ursache zu finden und eine Lösung vorzuschlagen.