1.
Azure Notebooks
Tillmann Eitelberg

2.
Sponsors
Many thanks to our sponsors, without
whom such an event would not be possible.

3.
Sponsors
Many thanks to our sponsors, without whom such an
event would not be possible.

4.
Über mich ...
Tillmann Eitelberg
CEO oh22information services GmbH
PASS Regional Mentor Germany
Vice-president PASS Germany
Chapter Leader Cologne/Bonn, Germany
Microsoft Data Platform MVP
https://www.linkedin.com/in/tillmanneitelberg/
@_Tillmann
www.decompose.io
https://pleasetalkdatatome.de
https://github.com/TEitelberg
www.oh22.is

5.
Computational Notebooks

6.
Computational Notebooks
- Erste Versionen von Computational Notebooks als Frontends
mitte der 1980er von Matlab, Mathematica & Maple
- interaktive Erstellung und Bearbeitung von Notebook-
Dokumenten
- formatierter Programmcode
- formatierter Text
- verschiedene Funktionen für Mathematik, Grafiken, GUI-
Komponenten, Tabellen und Sounds
- Standard-Textverarbeitungsfunktionen
- mehrsprachige Rechtschreibprüfung
- Ausgabe als Präsentation

7.
IPython (Interactive Python)
- Erste Version in 2001 von Fernando Pérez entwickelt
- Projekt stark beeinflusst von Mathematica und Maple
- Kommandozeileninterpreter
- Ermöglicht interaktives Arbeiten mit Python
- Verschiedene Frontends (Terminal, browserbasiert)

8.
IPython (Interactive Python)
- Trennung von Backend (Pythoninterpreter) und Frontend
- Kernel - führen Code aus
- Clients - lesen Eingaben und präsentieren Ausgaben
- REPL (Read – Eval – Print – Loop) als Protokoll
- Mit IPython 4.0 sind die sprachunabhängigen Teile des
Projekts in das Projekt Jupyter umgezogen.

9.
Ipython Kernel
- IPython Kernel ist ein
eigenständiger Prozess
- verantwortlich für die
Ausführung von Benutzercode
- Frontends kommunizieren
mittels JSON Nachrichten
über ØMQ Sockets
- Ein Kernelprozess kann mit
mehreren Frontends
gleichzeitig kommunizieren
(gemeinsame Variablen)

10.
Jupyter Notebooks
- Ausgliederung aus dem IPython Projekt
- Direkte Unterstützung der Sprachen Julia, Python und R
- Webbasierte Interactive Computing Umgebung
- REPL Ansatz
- Wird stark im Bereich Data Science und in der Lehre
eingesetzt
- Notebooks können geteilt werden
- Notebooks können in verschiedenen Formaten exportiert
werden
- Default Notebook Files „.ipynb“ sind JSON Dateien

11.
Jupyter Notebook UI

12.
Jupyterlab UI

13.
Jupyter Kernel
- Sprachunabhängig
- Jupyter Notebooks verwenden den IPython Kernel
- Weitere Sprachen werden als IPython Kernel
Wrapper implementiert oder als native Kernels
- Über 100 Kernel
(https://github.com/jupyter/jupyter/wiki/Jupyter-
kernels)
- Unterstützung für PowerShell oder C#

14.
Notebooks
User Browser
Notebook
Server
Kernel
Notebook
File
ØMQ
HTTP &
Websockets

15.
Jupyter - Ein visueller Überblick
https://jupyter.readthedocs.io/en/latest/architecture/visual_overview.htm

16.
JupyterHub
- Jupyter Notebooks sind Einzelbenutzeranwendungen
- Für Multi-User Anwendungen sollte der JupyterHub
eingesetzt werden
Jupyter
Hub

17.
Anaconda – Lokale Installation
- (Python) Data Science Distribution
- Package Manager
- Kollektion von über 1000+ Open Source Packages
- Environment Manager
- Jupyter Notebooks, IPython, Orange3, RStudio,
Spyder
- Einfache Installation unter Windows

18.
DEMO
Jupyter mit Anaconda

19.
Azure Notebooks

20.
Azure Notebooks
- https://notebooks.azure.com
- Aktuell in der Preview Version
- PaaS Variante der Jupyter Notebooks
- Kostenloses Azure Angebot
- 4 GB Hauptspeicher pro Session
- Microsoft hält sich das recht vor, Speicher nach 60
Tagen Inaktivität zu löschen

21.
Azure Notebooks
- Shutdown nach 60 Minuten inaktivität, Notebooks
werden vorher gespeichert
- Ist das Notebook nicht mit einem Notebook-Server
verbunden, können Änderungen nicht gespeichert
werden
- Bei Verbindungsproblemen zum Server, kann auch eine
„Connection failed“ Meldung kommen
- Über das Menü „Kernel“ stehen verschiedene Kernel-
Optionen zur Verfügung (Interrupt, Restart, Reconnect)

22.
Azure Notebooks
- können als Slideshow dargestellt werden
- können in verschiedenen Formaten exportiert werden
- Kernel für die Sprachen Python, R und F#
- Python Packages können via pip oder conda installiert
werden
- R Packages können via CRAN oder Github installiert
werden
- F# Packages können über nuget.org installiert werden

23.
Azure Notebook Library

24.
Azure Notebook Library
- Libraries können Public oder Private sein
- Über Environments können Setup Schritte für den
Start einer Library hinzugefügt werden
- GitHub Repos können als vollständige Library
importiert werden
- HTML Vorschau für Public Libraries
- Libraries können geklont werden

25.
Azure Notebook Library
- Zugriff auf die Libraries via Terminal
- Änderungen am dadrunter liegenden System, falls
die Azure Notebooks Fehler erzeugen
mv “05 – F# Beispiele.ipynb“ “05 – F Beispiele.ipynb“

26.
Azure Notebook Library

27.
Azure Notebooks - Benchmark
- Matrix-Matrix Multiplikation als Benchmark Test
(http://www.walkingrandomly.com/?p=6351)
- Vergleich Azure Notebooks vs Thinkpad X1 Yoga
Max. 44 GFlop/s Max. 69 GFlop/s

28.
DEMO
101

29.
DEMO
Python

30.
DEMO
R

31.
DEMO
F#

32.
DEMO
Python und Azure

33.
DEMO
Beautiful Charts

34.
DEMO
Comparing Clones

35.
Comparing Clones

36.
Comparing Clones

37.
Azure Notebooks
Security

38.
Security
- Jupyter Notebooks unterstützen
- Token-based Authentication (Standard)
- Password Authentication
- No Authentication
- Azure Notebooks verwenden Authentifizierung via
Microsoft Accounts
- Azure Notebooks verwenden direkt SSL

39.
Kernel Installation

40.
Julia
- Installation von Julia
https://julialang.org/downloads
- Pkg.add(“IJulia“)

41.
Weitere Kernel
- R
conda install r-essentials
- JavaScript
npm install –g ijavascript

42.
Tools und andere Dinge

43.
Nbviewer.org

44.
Nteract

45.
mybinder.org

46.
Docker Images
docker run -it --rm -p 8888:8888 jupyter/minimal-
notebook
docker run -it --rm -p 8888:8888 jaykul/powershell-
notebook-base

47.
Books
- Python Data Science Handbook
https://github.com/jakevdp/PythonDataScienceHandbook
- Probabilistic Programming and Bayesian Methods for Hackers
https://github.com/CamDavidsonPilon/Probabilistic-
Programming-and-Bayesian-Methods-for-Hackers
- Numerical Computing is Fun
https://github.com/mikkokotila/jupyter4kids
- Python for Developers
http://ricardoduarte.github.io/python-for-developers/
- IPython Cookbook
https://github.com/ipython-books/cookbook-2nd-code

48.
Links
• ZeroMQ - http://zeromq.org/
• Jupyter Documentation - http://jupyter.readthedocs.io
• Jupyter - http://jupyter.org/
• Anaconda - https://anaconda.org/
• JupyterLab - https://jupyterlab.readthedocs.io/
• Anaconda Cheat Sheet
https://docs.anaconda.com/_downloads/Anaconda-Starter-Guide-Cheat-Sheet.pdf
• Jupyter Notebook Tutorial: The Definitive Guide
https://www.datacamp.com/community/tutorials/tutorial-jupyter-notebook
• F# CheatSheet
https://dungpa.github.io/fsharp-cheatsheet/
• Run R and Python Remotely in SQL Server from Jupyter Notebooks or any IDE
https://blogs.msdn.microsoft.com/mlserver/2018/07/10/run-r-and-python-remotely-in-
sql-server-from-jupyter-notebooks-or-any-ide/

49.
Many thanks to all volunteers!
Ben Kettner
Volker Bachmann
Cornelia Matthesius
Gabi Münster
Kai Gerlach
Alexander Klein
Björn Peters
Christa Kurschat
Christian Gräfe
Dirk Hondong
Dominik Petri
Henrik Schütze
Kai Michael Poppe
Klaus Betzing
Nadine Witthöft
Tobias Blödt
Rafael Dabrowski
Tanja Salwiczek

50.
SQLSaturday #772 - Munich
27.10.2018
http://www.sqlsaturday.com/772

51.
PASS Deutschland e.V.
For further information about future events, visit our
PASS Deutschland e.V. booth in the exhibitor area.

52.
Sponsors
Many thanks to our sponsors, without
whom such an event would not be possible.

53.
Sponsors
Many thanks to our sponsors, without whom such an
event would not be possible.