ผู้วิเศษไอ

เมจเอไอ

มอบพลังเวทย์มนตร์ให้กับทีมข้อมูลของคุณ

Mage เป็นเฟรมเวิร์กไฮบริดสำหรับการแปลงและบูรณาการข้อมูล โดยผสมผสานสิ่งที่ดีที่สุดของทั้งสองโลก: ความยืดหยุ่นของโน้ตบุ๊กเข้ากับความเข้มงวดของโค้ดโมดูลาร์

• แยกและซิงโครไนซ์ข้อมูลจากแหล่งบุคคลที่สาม

• แปลงข้อมูลด้วยไปป์ไลน์แบบเรียลไทม์และแบบแบตช์โดยใช้ Python, SQL และ R

• โหลดข้อมูลลงในคลังข้อมูลหรือ Data Lake ของคุณโดยใช้ตัวเชื่อมต่อที่สร้างไว้ล่วงหน้าของเรา

• เรียกใช้ ตรวจสอบ และจัดระเบียบไปป์ไลน์นับพันโดยไม่นอนไม่หลับ

พร้อมฟีเจอร์ระดับองค์กรหลายร้อยรายการ นวัตกรรมโครงสร้างพื้นฐาน และความประหลาดใจอันมหัศจรรย์

มีจำหน่ายในสองเวอร์ชันที่น่าหลงใหล

สำหรับทีม. แพลตฟอร์มที่มีการจัดการเต็มรูปแบบสำหรับการรวมและการเปลี่ยนแปลงข้อมูล	โฮสต์เอง ระบบสำหรับสร้าง รัน และจัดการไปป์ไลน์ข้อมูล

มันเป็นความมหัศจรรย์

หากต้องการเอกสารประกอบเกี่ยวกับการเริ่มต้น วิธีการพัฒนา และวิธีการปรับใช้กับการใช้งานจริง โปรดดูการถ่ายทอดสด
พอร์ทัลเอกสารสำหรับนักพัฒนา

ติดตั้ง

วิธีที่แนะนำในการติดตั้ง Mage เวอร์ชันล่าสุดคือผ่าน Docker โดยใช้คำสั่งต่อไปนี้:

 นักเทียบท่าดึง mageai / mageai: ล่าสุด

คุณยังสามารถติดตั้ง Mage โดยใช้ pip หรือ conda ได้ แม้ว่าอาจทำให้เกิดปัญหาการขึ้นต่อกันโดยไม่มีสภาพแวดล้อมที่เหมาะสมก็ตาม

 pip ติดตั้ง mage-ai

 conda ติดตั้ง -c conda-forge mage-ai

กำลังมองหาความช่วยเหลือ? วิธีเริ่มต้น ที่เร็วที่สุด คือการตรวจสอบเอกสารของเราที่นี่

กำลังมองหาตัวอย่างด่วนอยู่ใช่ไหม? เปิดโครงการสาธิตได้จากเบราว์เซอร์ของคุณหรือดูคำแนะนำของเรา

สาธิต

การสาธิตสด

สร้างและใช้งานไปป์ไลน์ข้อมูลด้วย แอปสาธิต ของเรา

คำเตือน

การสาธิตสดเป็นแบบสาธารณะสำหรับทุกคน โปรดอย่าบันทึกสิ่งที่ละเอียดอ่อน (เช่น รหัสผ่าน ข้อมูลลับ ฯลฯ)

วิดีโอสาธิต (5 นาที)

_{คลิกที่ภาพเพื่อเล่นวิดีโอ}

คุณสมบัติ

	การเรียบเรียง	กำหนดเวลาและจัดการไปป์ไลน์ข้อมูลด้วยความสามารถในการสังเกต
	โน๊ตบุ๊ค	ตัวแก้ไข Python, SQL และ R แบบโต้ตอบสำหรับการเข้ารหัสไปป์ไลน์ข้อมูล
	บูรณาการข้อมูล	ประสานข้อมูลจากแหล่งบุคคลที่สามไปยังปลายทางภายในของคุณ
	สตรีมมิ่งไปป์ไลน์	นำเข้าและแปลงข้อมูลแบบเรียลไทม์
	ดีบีที	สร้าง รัน และจัดการโมเดล dbt ของคุณด้วย Mage

ไปป์ไลน์ข้อมูลตัวอย่างที่กำหนดใน 3 ไฟล์ ➝

1. โหลดข้อมูล ➝

    @data_loaderdef load_csv_from_file() -> pl.DataFrame:return pl.read_csv('default_repo/titanic.csv')

2. แปลงข้อมูล ➝

    @transformerdef select_columns_from_df(df: pl.DataFrame, *args) -> pl.DataFrame:return df[['อายุ', 'ค่าโดยสาร', 'รอดชีวิต']]

3. ส่งออกข้อมูล ➝

    @data_exporterdef export_titanic_data_to_disk(df: pl.DataFrame) -> ไม่มี:df.to_csv('default_repo/titanic_transformed.csv')