亲爱的粉丝们，本篇我们总结和罗列了SmartNoteBook的特征和功能，为我们的SmartNoteBook数据科学/分析平台做个简要的介绍及宣传。好的产品不仅仅是解决问题，更是创造价值！

SmartNoteBook主要特征

SmartNoteBook，让数据触手可及！

  SmartNoteBook（简称：SNB）是一款现代化的Notebook工具，它是一个开箱即用、云原生、协作式的在线数据科学与数据分析、人工智能平台，是大数据和AI应用开发的一站式平台。SNB具有以下特点：

1. 数据连接：SNB可以连接到各种数据形式，包括数据文件、数据库/仓库、数据湖、图数据库、数据开放平台API等。您可以轻松地获取所需的数据，无论数据存储在哪里。
2. 数据分析与探索：通过SNB可以进行探索性数据分析，内置探索性数据分析的低代码组件、SQL原生支持，支持数据清洗、转换、合并、聚合等操作，深入了解数据的特征和模式。同时也可以使用Python、R等生态体系内各种强大的工具和库。
3. 建立预测模型与服务API：SNB提供了机器学习和预测建模的功能。支持Scikit-learn、TensorFlow等库，建立预测模型，并将其敏捷创建为服务API(FaaS：函数即服务)，供其他应用程序调用和使用。
4. 支持知识图谱挖掘：SNB支持连接图数据库进行关系数据的分析、计算和挖掘，将数据之间的关系和连接进行可视化，有助于发现数据之间的隐藏模式和洞察。
5. 数据可视化与报告生成：SNB提供了丰富的数据可视化功能，敏捷可视化分析和输出，用于展示和传达数据的见解和故事。
6. 仪表盘与报告共享：通过SNB创建交互式的数据仪表盘和报告。可以将数据的洞察和分析结果以直观和易于理解的方式与团队或其他利益相关者共享。
7. 数据智灵(人工智能AI伴侣):用户可以通过自然语言描述数据分析需求生成、编辑、bug修复和文档注释Python或SQL 代码，这种方式可以帮助用户更加轻松地处理和分析数据，尤其是对于那些不熟悉编程的人员来说，使用自然语言描述数据分析需求会更加直观和方便。

  SmartNoteBook致力于实现从数据接入到数据价值的全流程，使数据处理和分析变得更加简单、高效和可协作。通过SNB，您可以轻松地进行数据处理、分析和可视化，并通过共享报告和仪表盘将数据的洞察传达给相关人员。

SmartNoteBook 的功能列表

1. 兼容jupyter notebook:支持互相转换迁移，与kaggle、AWS、Aliyun等notebook兼容。
2. 支持的编程语言(kernel)

  a) Python(数据科学/人工智能)、R(数据分析)、Julia(数据科学)、SageMath(数学)。

  b) SQL(数据处理)：Python与SQL融合、链式SQL、动态SQL

  c) Cypher(知识图谱分析/挖掘)：知识计算语言(Cypher) 与Python无缝融合、动态Cypher。

  d) 文档语言(Markdown)：可视化编辑、标题、列表、图片、代码块、LaTex公式、动态Markdown等。

  e) 模板语言(Jinja2)(封装SQL、Cypher、MarkDown)：变量替换、IF判断、循环等。

3. 支持的数据源

  a) 数据库：MySql、Oracle、SqlServer、PostgresSQL、DuckDB…

  b) 数据仓库/数据湖：Greenplum、Hive、Spark、Presto、ClickHouse…

  c) 国产数据库：达梦、金仓、GaussDB、OceanBase…

  d) 云数仓：Snowflake…

  e) 图数据库：Neo4j…

  f) 其他：MindsDB(机器学习和数据联邦)。

  g) 文件存储：MinIO、S3、NFS…

  h) 可视化配置、元数据预览。

4. 可视化/数据分析/数据探索

  a) 数据可视化组件：Matplotlib、Plotly、seaborn、pyecharts、ggplot(R语言) …

  b) 无代码EDA(数据探索)：EDA概览、EDA分析。

  c) 无代码可视化图表：表格(table)(排序、分页、过滤等)、图表(chart)(柱状图、折线图、散点、面积图、饼图等)(支持汇总聚合、分箱)。

  d) 低代码可视化：河流图、箱线图(盒须图)、雷达图、散点色块图、热力图、桑基图、地图…

  e) dfSQL:SQL化操作数据集（过滤筛选、汇总、合并等处理）。

5. 仪表盘

  a) 支持多种布局方式、多种组件方式(富文本、Table、chart、图片、交互组件、背景)、互动的数据大屏。

  b) 联动、下钻等互动。

6. 数据转换

  a) 无代码数据透视表(类似excel 的透视表)：支持行汇总、列变换、多种聚合函数（求和、均值、最大值、最小值、中位数、计数、中位数、标准差）。

  b) 过滤筛选组件:开发中。

7. 调度

  a) 内置调度器：配置调度计划(月、周、日、时、分)、调度记录查看、Email通知/告警。

  b) 第三方调度器AirFlow。

8. 弹性扩展

  a) 容器化的Node运行环境、弹性扩展、定制化镜像。

  b) Node运行环境可以对接K8S、Docker容器化服务平台。

9. 协同开发/安全/管理：

  a) 版本管理:内置版本记录、支持提交gitHub、gitLab。

  b) 支持多人协同开发同一个notebook:实时交互。

  c) 单元格级别的评论。

  d) 单元格和notebook及报告在线分享。

  e) 代码辅助：自动补齐、函数帮助等。

  f) 模型视图：分析/建模过程可视化(Graph图)。

  g) 变量配置(密保箱):配置变量、加密。

  h) 用户角色/权限管理。

  i) 终端服务:web ssh 终端(term)，shell调试、环境管理。

  j) 辅助管理：包管理器、变量预览、元数据、代码片段库(知识库)…

  k) 模型市场：一模多用，模型复用、知识共享。

10. 服务API

  a) FaaS(Function as a Service)的框架：自由灵活的函数开发、调试和注册:单元格内置编写、调试函数、一键注册函数生成API。

  b) API帮助：Swagger 化的帮助和调用调试界面。

  c) 支持外挂API网关，提供鉴权、授权等安全控制。

11. 人工智能框架和算法

  a) 支持Sklearn(scikit-learn)经典机器学习框架：

    i. 数据预处理：降维、数据归一化、特征提取和特征转换（one-hot）…

    ii. 回归：线性、决策树、SVM、KNN ；集成回归：随机森林、Adaboost、GradientBoosting、Bagging、ExtraTrees…

    iii. 分类：线性、决策树、SVM、KNN，朴素贝叶斯；集成分类：随机森林、Adaboost、GradientBoosting、Bagging、ExtraTrees…

    iv. 聚类：k均值（K-means）、层次聚类（Hierarchical clustering）、DBSCAN…

    v. 降维：LinearDiscriminantAnalysis、PCA…

    vi. 支持PipeLine 管道。

  b) 支持深度学习框架：Tensorflow、Keras、Pytorch、Paddle Paddle(百度) …

  c) AutoML框架支持。

12. 数据智灵(AI伴侣)：大语言模型的应用辅助数据分析/数据科学

  a) 支持代码生成、修复bug、代码解释。

  b) 支持多种大语言模型(LLMs)。

  c) 支持prompt 模板工程、模型微调(Fine-Tuning)。

  d) 支持开源大模型再训练。