Jupyter Notebook Introduksjon for nybegynnere

Maskinlæring og kunstig intelligens har blitt de nye brusordene i teknologiverdenen; bokstavelig talt ser det ut til at alle har innsett hvor viktig dette fagfeltet er.


En dataforsker er enig i at du knapt kan gjøre uten å bruke en Jupyter-notisbok på et eller annet tidspunkt, vel, om ikke hver gang. Et bredt spekter av AI / ML ingeniører har tatt i bruk bruken av Jupyter Notebook som et verktøy de bruker for å skrive og teste algoritmer / modeller.

Men hva er Jupyter? Og hvorfor omtales det som en bærbar PC?

I følge Wikipedia er en notisbok en bok eller et bindemiddel med sider, ofte regjert, brukt til mange formål som for eksempel innspilling av notater eller notater, skriving, tegning eller skrapbooking.

Så i utgangspunktet kan vi si at en notisbok brukes til å uttrykke en bestemt kontekst, ide eller kunnskap ved hjelp av tekst, diagrammer, tegninger, bilder, ligninger, tabeller eller til og med diagrammer..

Hvorfor blir Jupyter referert til som en bærbar PC?

Fordi den gjør nøyaktig hva det som er nevnt ovenfor! Det brukes til å utarbeide dokumenter, koder, tekster, bilder, ligninger, utkast til diagrammer og visualiseringer og til og med tegne tabeller.

Hva er Jupyter Notebook?

Jupyter Notebook er en åpen kildekode-applikasjon som lar deg lage og dele dokumenter som inneholder live-kode, ligninger, visualiseringer og fortellertekst. Den bruker inkluderer rengjøring og transformasjon av data, numerisk simulering, statistisk modellering, datavisualisering, maskinlæring og mye mer.

Oftest brukes Jupyter Notebook i et Python-miljø. De har veldig interaktive utganger og kan enkelt deles, akkurat som en vanlig bærbar PC.

Hva kan Jupyter Notebook brukes til?

Å skrive flere språk.

Jupyter-systemet støtter over 100 programmeringsspråk (kalt “kjerner” i Jupyter-økosystemet), inkludert Python, Java, R, Julia, Matlab, Octave, Scheme, Processing, Scala og mange flere. Du kan dele koden som er skrevet i Notatbok med andre.

Her er noen få språk som kan skrives i Jupyter notebook.

Python

Av alle språk som kan skrives med Jupyter, er python det mest populære med den bærbare PC-en. Nesten alle som skriver kode i Jupyter-miljøet, skriver Python. Som standard støtter Jupyter Python i deres miljø uten bruk av spesielle magiske kommandoer.

def hello_world ():
skrive ut("Hei Verden!!!")
Hei Verden()

Og resultatet vil være:

Hei Verden!!!

Javascript

JavaScript populært kjent for nettet, og kan også skrives i Jupyter. I motsetning til Python støttes ikke JavaScript som standard. Du må bruke en bestemt spesiell kommando for å fortelle cellen at du kjører den, ved at dette er en JavaScript-kode. Disse kommandoene kalles ofte magiske kommandoer. for JavaScript er kommandoen %% javascript.

Det er også en grense for hvilken JavaScript-kode du kan kjøre i Jupyter Notebook, i motsetning til python.

%% javascript
const tekst = "Hei Verden"
alert (tekst)

Java

Det tillater integrering ekstra “kjerner” – språk. En slik kjerne kan installeres ved å følge settet med installasjonsinstruksjoner her. Etter installering, kjør følgende kommando i Jupyter-terminalen hvis du er på Linux.

jupyter konsoll – kernel = java
Jupyter-konsoll 5.1.0
Java 9.0.4 + 11 :: IJava kernel 1.1.0-SNAPSHOT
Protokoll v5.0 implementering av jupyter-jvm-basekernel 2.2.1-SNAPSHOT
I [1]:

Matlab

Matlab er et språk med høy ytelse for teknisk databehandling; Den integrerer beregning, visualisering og programmering i et brukervennlig miljø der problemer og løsninger kommer til uttrykk i kjent matematisk notasjon.

For å bruke Matlab i Jupyter Notebook, må du først installere Jupyter-Matlab. Det første vi trenger å gjøre er å skape et virtuelt miljø.

  • Åpne Jupyter-ledeteksten i windows eller bare terminalen din på Linux, og skriv inn følgende kommando

conda create -vv -n jmatlab python = 3,5 jupyter

  • Forsikre deg om at du blir værende i denne terminalen, og skriv deretter koden

kilde aktiver jmatlab

  • Installer deretter Matlab-kjernen for Python

pip installere matlab_kernal
python -m matlab_kernel installere

  • Sjekk om kjernen er riktig installert

jupyter kernelspec-liste

  • Finn din MATLAB-katalog. “/Applications/MATLAB_R2017a.app”.
  • Gå til underkatalogen “ekstern / motorer / python” og installer Python-motoren.

cd “/Applications/MATLAB_R2017a.app/extern/engines/python”
python setup.py installere

  • Start Jupyter bærbar PC

cd your_working_directory
jupyter notebook

Når den først ble lansert, skal det nå være et alternativ for både Matlab og python.

markdowns

Jupyter bærbar PC kommer godt med når det gjelder å skrive nedmerkning, og dette kan være veldig nyttig når du vil gi en ordinær eller godt detaljert forklaring av et stykke kode, skrive dokumentasjon eller en ordbok for et bestemt datasett.
Skriv inn koden nedenfor i en notisbok.

* [Pandaer] (# pandaer),
Brukes til dataanalyse
* [Numpy] (# numpy),
Brukes til numerisk analyse
* [Matplotlib] (# matplotlib),
Brukes til datavisualisering

Utgangen skal være som følger;

Bash-skript

Jupyter Notebooks tillater bruk av bash script ved å bruke %% bash magiske kommando.

For å teste, la oss lage en mappe i din nåværende arbeidskatalog. Skriv inn følgende kode i en bærbar celle.

%% bash
mkdir Test_Folder

Kjør koden, sjekk nå arbeidskatalogen din ved å skrive inn koden

%% bash
ls

Du vil se at mappen Test_Folder har blitt lagt til den. Du kan også navigere til mappen fysisk for å sjekke.

Datavisualisering

Med bruk av Python-biblioteker som matplotlib, kan du kjøre og vise datavisualiseringer rett i nettleseren din.

La oss prøve å lage en veldig grunnleggende visualisering ved hjelp av matplotlib.

Vi ville først importere biblioteket

fra matplotlib import pyplot som plt
% matplotlib inline

Skriv deretter inn følgende koder

x = [1, 2, 3, 4, 5, 6, 7, 8, 9]
y = [11, 12, 13, 14, 15, 16, 17, 18, 19]
tomt (x, y)
Matplotlib Visualisering.

Enda mer spennende er det at vi kan gjøre 3D-visualiseringer!!
Vi må først importere 3d-visualiseringsbiblioteket

fra mpl_toolkits import mplot3d
importer numpy som np

Lag deretter en 3d-projeksjon

fig = plt.figure ()
ax = plt.axes (projeksjon = ‘3d’)

Produksjonen vår skal se slik ut

3d-projeksjon
Nå kjører du følgende skript.

def f (x, y):
retur n.sin (n.sqrt (x ** 2 + y ** 2))

x = n.linspace (-6, 6, 30)
y = n.linspace (-6, 6, 30)
X, Y = np.meshgrid (x, y)
Z = f (X, Y)

ax = plt.axes (projeksjon = ‘3d’)
ax.plot_surface (X, Y, Z, rstride = 1, cstride = 1,
cmap = ‘viridis’, edgecolor = ‘ingen’)
ax.set_title ( ‘overflate’);

3d plottet diagram

Matematiske og vitenskapelige notasjoner

Vi kan bruke verktøy som Latex rett innenfor matematiske og vitenskapelige ligninger av Jupyter Notebook-typen.

LaTeX er et typesystem av høy kvalitet; det inkluderer funksjoner designet for produksjon av teknisk og vitenskapelig dokumentasjon. Du kan lære mer om latex her her. La oss prøve å kjøre noen enkle LaTex-koder.
Skriv inn følgende LaTex-kommandoer

## $ J (\ theta_0) = \ frac {1} {2m} \ sum_ {i = 0} ^ {m} (h_ \ theta (x ^ {(i)}) – y ^ {(i)}) ^ 2 $

Utgangen skal være av denne typen

Konklusjon

Denne artikkelen klør bare overflaten på hva som kan oppnås ved bruk av Jupyter bærbare. Du kan finne de fleste eksemplene i denne artikkelen i denne Jupyter-notisboka jeg opprettet her på samarbeid

TAGS:

  • Python

Jeffrey Wilson Administrator
Sorry! The Author has not filled his profile.
follow me
    Комментариев нет, будьте первым кто его оставит

    Комментарии закрыты.

    Adblock
    detector