Snowflake Notebooks no Workspaces¶
Nota
O Notebooks no Workspaces substitui a experiência de notebooks legados. A partir de março de 2026, a Snowflake implementará o recurso para importar notebooks legados para o Workspaces. Para ver uma comparação entre as duas experiências, consulte Principais diferenças entre notebooks legados e novos.
Visão geral¶
A nova experiência do Snowflake Notebooks no Workspaces oferece melhor desempenho, maior produtividade do desenvolvedor e compatibilidade com Jupyter. O ambiente do Workspaces oferece suporte a fácil gerenciamento de arquivos, permitindo que você faça iteração em notebooks individuais e arquivos de projeto. Crie pastas, carregue arquivos e organize notebooks. Os arquivos de notebook são abertos em guias no seu espaço de trabalho e são editáveis e executáveis.
Esta nova oferta inclui:
Experiência familiar do Jupyter: oferece suporte ao ambiente de notebook do Jupyter com acesso direto aos dados controlados do Snowflake.
Recursos de IDE aprimorados: ferramentas de edição, gerenciamento de arquivos e acesso ao terminal para maior produtividade.
Robusto para AI/ML: executado em um ambiente de contêiner predefinido e otimizado para desenvolvimento de AI/ML escalável com acesso totalmente gerenciado a CPUs e GPUs.
Colaboração controlada: permite que vários usuários trabalhem no mesmo espaço de trabalho com controles de acesso baseados em função e histórico de versão em Espaços de trabalho integrados do Git ou Espaços de trabalho compartilhados.
Cronograma e orquestração: use o agendador nativo ou incorpore notebooks a scripts de orquestração para pipelines de produção.
Benefícios para fluxos de trabalho de machine learning (ML)¶
O Notebooks no Workspaces oferece dois recursos principais para fluxos de trabalho de ML:
Fluxo de trabalho de ponta a ponta: a plataforma permite que os usuários consolidem o ciclo de vida completo de ML, do acesso aos dados de origem à inferência de modelos, em um único ambiente de notebook do Jupyter. Esse ambiente é integrado à plataforma de dados subjacente, permitindo que ele herde os controles de governança e segurança existentes dos ativos de dados e código.
Arquitetura de desenvolvimento de modelo escalável: a arquitetura oferece suporte ao desenvolvimento de modelos escaláveis, fornecendo recursos de desenvolvimento de modelo de software de código aberto (Open-Source Software, OSS). Os usuários podem acessar o carregamento de dados distribuídos e o treinamento em pools de computação designados de CPU ou GPU. Este projeto simplifica o gerenciamento da infraestrutura de ML abstraindo a necessidade de configuração manual de recursos de computação distribuídos.
Para obter mais informações sobre o Snowflake ML, consulte Snowflake ML: aprendizado de máquina de ponta a ponta.
Introdução¶
Nota
Esses guias de início rápido são mostrados apenas como exemplos. Seguir o exemplo pode exigir direitos adicionais sobre dados, produtos ou serviços de terceiros que não são de propriedade ou fornecidos pela Snowflake. A Snowflake não garante a precisão desses exemplos nem os inclui na cobertura de nenhum Contrato de Nível de Serviço.
Assista ao vídeo de introdução para uma visão geral do Notebooks no Workspaces.
Siga o guia de início rápido para aprender a acelerar a modelagem de tópicos com o scikit-learn e o pandas no Snowflake ML.
Explore os notebooks do First Machine Learning Project, uma série de notebooks que abordam a preparação de dados, a análise exploratória de dados, o treinamento de modelos e o rastreamento de experimentos.
Siga o guia Build an End-to-End ML Workflow in Snowflake para percorrer um fluxo de trabalho completo de machine learning, desde a preparação de dados até a implantação do modelo.
Siga o guia de início rápido Getting Started with Data Engineering using Snowflake Notebooks, com o código que acompanha no GitHub, para aprender a criar pipelines de engenharia de dados de produção usando o Notebooks no Workspaces.
Consulte um exemplo de ML do setor de saúde: Classificação de câncer de mama com XGBoost, que demonstra como criar um modelo de classificação no Snowflake.