Notebook

Apa & untuk apa

Notebook adalah tempat menulis dan menjalankan kode langsung di PSD — pengalaman mirip Kaggle Notebooks, tanpa perlu instalasi di komputer lokal. Anda bisa eksplorasi data, visualisasi, prototyping model, dan dokumentasi analisis dalam satu berkas .ipynb interaktif.

Notebook terintegrasi penuh di antarmuka PSD: buat, edit, jalankan sel, dan simpan — semuanya dari peramban. Akses Dataset lewat skema psd://, dan notebook yang matang bisa di-push ke Git (proyek) untuk kolaborasi versi.

Cara kerja

PSD menyediakan dua runtime — dipilih otomatis sesuai tier Anda:

Alur tipikal:

1. Buat notebook — judul, deskripsi, kategori.
2. Tulis sel — kode Python atau Markdown; jalankan sel per sel.
3. Akses data — muat dataset lewat psd://owner/dataset/path.
4. Simpan — autosave ke PSD; opsional push ke repo Proyek via Git.
5. Bagikan — publikasikan notebook agar komunitas bisa melihat atau mempelajarinya.

Runtime peramban tidak butuh kernel server — langsung jalan. Runtime server butuh akses kernel (disetujui admin) dan tier yang mendukung (both).

Kapan dipakai

Cocok untuk:

• Eksplorasi data interaktif (EDA, visualisasi, statistik deskriptif).
• Prototyping model ML sebelum menerbitkan ke aset Model.
• Dokumentasi analisis yang bisa dibaca & dijalankan ulang.
• Tugas pembelajaran, kompetisi, atau Ruang Ide yang membutuhkan notebook.

Kurang tepat bila:

• Anda butuh pipeline produksi berulang — gunakan Pabrik Data atau Studio Python.
• Beban compute sangat berat (Spark cluster) — pertimbangkan Studio Python dengan izin kernel.
• Anda hanya perlu spreadsheet sederhana — coba Ruang Lembar Kerja.

Langkah demi langkah

Membuat notebook baru

1. Buka menu Notebook & Komputasi → Notebook.
2. Tekan Buat Notebook — isi judul, deskripsi, dan kategori (opsional).
3. Editor notebook terbuka — mulai menulis sel kode atau Markdown.

Menjalankan kode

1. Tulis kode Python di sel (mis. import pandas as pd).
2. Tekan Run (atau Shift+Enter) untuk menjalankan sel.
3. Output muncul di bawah sel — teks, tabel, atau grafik.
4. Runtime peramban langsung aktif; untuk server, pastikan akses kernel sudah disetujui.

Mengakses dataset dengan `psd://`

1. Di sel kode, gunakan skema URI dataset PSD:

   import psd
   df = psd.load("psd://username/nama-dataset/tabel/penjualan.parquet")
   df.head()

1. Sistem meminta URL presigned ke API PSD, lalu mengunduh berkas — tanpa kredensial penyimpanan

di browser.

1. Format yang didukung: CSV, Parquet, JSON.

Menyimpan & push ke Git

1. Notebook autosave ke PSD saat Anda mengedit.
2. Untuk versi Git: tautkan notebook ke Proyek, lalu push lewat Git (SSH key atau token).
3. Kolaborator bisa clone proyek dan melanjutkan notebook yang sama.

Meminta akses kernel server

1. Buka Notebook → Akses Kernel (atau /notebooks/kernel-request).
2. Isi alasan permintaan (mis. "Butuh scikit-learn & compute untuk tugas kompetisi").
3. Kirim — status menjadi Menunggu persetujuan admin.
4. Setelah disetujui, runtime server tersedia dengan batas CPU/RAM sesuai grant.
5. Notebook peramban tetap bisa dipakai kapan saja, tanpa menunggu persetujuan.

Batas tier

Kapasitas notebook mengikuti tier reputasi Anda. Angka berikut dari konfigurasi platform — ilustratif, angka dapat berubah.

Poin & quest

Quest bertema Notebook:

1. Sel Pertama — buat notebook dan jalankan sel print("Halo PSD!").
2. Muat Dataset — baca satu berkas lewat psd:// dan tampilkan 5 baris pertama.
3. Visualisasi — buat satu grafik sederhana dari data.
4. Notebook Publik — publikasikan notebook dengan README/deskripsi lengkap.
5. Push ke Proyek — simpan notebook ke repo Proyek via Git.

Masalah umum & solusi

Fitur terkait

• Dataset — sumber data via psd://; fondasi analisis notebook.
• Proyek — simpan & kolaborasi notebook lewat Git.
• Studio Python — ngoding Python/PySpark lebih berat; promosi script ke Pabrik Data.
• Model — hasil latihan di notebook bisa diterbitkan sebagai aset Model.
• Kompetisi — banyak kompetisi menerima submission via notebook.
• Belajar — course bisa menyertakan notebook sebagai materi.