Snowy Peak 的資料分析師想把工作階段紀錄的分析改用 Snowflake Notebooks。正式採用前，他們想確認 Notebooks 能做與不能做的事，避免在分析到一半卡住。
「以下哪兩項關於 Snowflake Notebooks 的敘述是正確的？」
本練習屬於課程
將理論付諸實踐，立即體驗我們的互動練習
先認識 Snowflake 的核心架構——其三層設計如何將運算、儲存與服務分離，進而達成大規模擴充。你也會探索 Snowsight 介面，並學會 Snowflake 中的每個物件如何納入層級化的結構。
學習如何建立與設定驅動你 Snowflake 環境的物件。你會針對不同工作負載調整虛擬倉儲的規模與效能，接著實作將結構化與半結構化資料載入到資料表。
深入引擎底層，了解 Snowflake 如何透過微分割與叢集鍵來實體組織資料。你也會比較各種資料表類型與檢視表，掌握各自的適用情境，並探索 Snowflake 如何在傳統資料之外處理非結構化檔案。
以 Snowflake 不斷成長的 AI/ML 生態系作為你的基礎收尾——從 Snowpark 與 Cortex，到 Streamlit 與 Notebooks。你也會學到關鍵的資料保護技術，如 Time Travel 與複製，並了解 Snowflake Marketplace 如何讓資料分享更容易。
當前練習
