Maschinelles Lernen und künstliche Intelligenz sind die neuen Schlagworte in der Technologiewelt geworden. buchstäblich scheint jeder erkannt zu haben, wie wichtig dieses Fach ist.
Ein Datenwissenschaftler würde zustimmen, dass Sie zu einem bestimmten Zeitpunkt kaum auf ein Jupyter-Notebook verzichten können, wenn nicht jedes Mal. Eine breite Palette von AI / ML-Ingenieuren hat die Verwendung von übernommen Jupyter Notizbuch Als Werkzeug verwenden sie das Schreiben und Testen der Algorithmen / Modelle.
Aber was ist Jupyter? Und warum wird es als Notebook bezeichnet?
Laut Wikipedia ist ein Notizbuch ein Buch oder ein Ordner aus Seitenpapier, das häufig regiert wird und für viele Zwecke verwendet wird, z. B. zum Aufzeichnen von Notizen oder Memoranden, Schreiben, Zeichnen oder Schrottbuchung.
Grundsätzlich könnte man also sagen, dass ein Notizbuch verwendet wird, um einen bestimmten Kontext, eine bestimmte Idee oder ein bestimmtes Wissen mithilfe von Text, Diagrammen, Zeichnungen, Bildern, Gleichungen, Tabellen oder sogar Diagrammen auszudrücken.
Warum wird Jupyter dann als Notizbuch bezeichnet?
Weil es genau das tut, was das oben Gesagte tut! Es wird verwendet, um Dokumente, Codes, Texte, Bilder, Gleichungen, Diagramme und Visualisierungen zu entwerfen und sogar Tabellen zu zeichnen.
What is Jupyter Notebook?
Das Jupyter Notizbuch ist eine Open-Source-Webanwendung, mit der Sie Dokumente erstellen und freigeben können, die Live-Code, Gleichungen, Visualisierungen und erläuternden Text enthalten. Zu den Anwendungen gehören Datenbereinigung und -transformation, numerische Simulation, statistische Modellierung, Datenvisualisierung, maschinelles Lernen und vieles mehr.
Am häufigsten wird das Jupyter-Notizbuch in einer Python-Umgebung verwendet. Sie haben sehr interaktive Ausgänge und können wie ein normales Notebook problemlos gemeinsam genutzt werden.
What can Jupyter Notebook be used for?
Mehrere Sprachen schreiben.
Das Jupyter-System unterstützt über 100 Programmiersprachen (im Jupyter-Ökosystem als „Kernel“ bezeichnet), darunter Python, Java, R, Julia, Matlab, Oktave, Schema, Verarbeitung, Scala und viele mehr. Sie können den in Notebook geschriebenen Code mit anderen teilen.
Hier sind einige Sprachen, die in Jupyter Notebook geschrieben werden können.
Python
Von allen Sprachen, die mit Jupyter geschrieben werden können, ist Python die beliebteste im Notebook. Fast jeder, der Code in der Jupyter-Umgebung schreibt, schreibt das Python. Standardmäßig unterstützt Jupyter Python in seiner Umgebung ohne die Verwendung spezieller magischer Befehle.
def hello_world():
print("Hello world!!!")
hello_world()
Und die Ausgabe wäre:
Hello world!!!
JavaScript
JavaScript ist im Volksmund für das Web bekannt und kann auch in Jupyter geschrieben werden. Im Gegensatz zu Python wird JavaScript standardmäßig nicht unterstützt. Sie müssen einen bestimmten speziellen Befehl verwenden, um der Zelle, in der Sie ihn ausführen, mitzuteilen, dass es sich um einen JavaScript-Code handelt. Diese Befehle werden oft als magische Befehle bezeichnet. Für JavaScript lautet der Befehl %%javascript
.
Im Gegensatz zu Python gibt es auch eine Grenze für den JavaScript-Code, den Sie in Jupyter Notebook ausführen können.
%%javascript
const text = "hello world"
alert(text)
Java
Es ermöglicht die Integration zusätzliche "Kernel" - Sprachen. Ein solcher Kernel kann installiert werden, indem die Installationsanweisungen befolgt werden klicken. Führen Sie nach der Installation den folgenden Befehl in Ihrem Jupyter-Terminal unter Linux aus.
jupyter console --kernel=java
Jupyter console 5.1.0
Java 9.0.4+11 :: IJava kernel 1.1.0-SNAPSHOT
Protocol v5.0 implementation by jupyter-jvm-basekernel 2.2.1-SNAPSHOT
In [1]:
Matlab
Matlab ist eine Hochleistungssprache für das technische Rechnen. Es Integriert Berechnung, Visualisierung und Programmierung in eine benutzerfreundliche Umgebung, in der Probleme und Lösungen in vertrauter mathematischer Notation ausgedrückt werden.
Um Matlab in Jupyter Notebook zu verwenden, müssen Sie zuerst Jupyter-Matlab installieren. Als erstes müssen wir eine virtuelle Umgebung erstellen.
- Öffnen Sie Ihre Jupyter-Eingabeaufforderung unter Windows oder nur Ihr Terminal unter Linux und geben Sie den folgenden Befehl ein
conda create -vv -n jmatlab python=3.5 jupyter
- Stellen Sie sicher, dass Sie in diesem Terminal bleiben, und geben Sie den Code ein
source activate jmatlab
- Installieren Sie dann den Matlab-Kernel für Python
pip install matlab_kernal
python -m matlab_kernel install
- Überprüfen Sie, ob der Kernel ordnungsgemäß installiert ist
jupyter kernelspec list
- Finden Sie Ihr MATLAB-Verzeichnis. "/Applications/MATLAB_R2017a.app".
- Wechseln Sie in das Unterverzeichnis "extern / engine / python" und installieren Sie die Python-Engine.
cd “/Applications/MATLAB_R2017a.app/extern/engines/python”
python setup.py install
- Starten Sie das Jupyter-Notizbuch
<span class="n">cd</span> <span class="n">your_working_directory</span>
<span class="n">jupyter</span> <span class="n">notebook</span>
Nach dem Start sollte es nun eine Option für Matlab und Python geben.
Abschläge
Das Jupyter-Notizbuch ist praktisch, wenn es darum geht, Markdowns zu schreiben. Dies kann sehr nützlich sein, wenn Sie eine ausführliche oder ausführliche Erklärung eines Codeteils, eine Schreibdokumentation oder ein Wörterbuch für einen bestimmten Datensatz geben möchten.
Geben Sie den folgenden Code in ein Notizbuch ein.
* [Pandas](#pandas),
Used for data analysis
* [Numpy](#numpy),
Used for numerical analysis
* [Matplotlib](#matplotlib),
Used for data visualizations
Die Ausgabe sollte wie folgt sein;
Bash-Skripte
Jupyter Notebooks ermöglicht die Verwendung von Bash-Skripten mithilfe von %%bash
magischer Befehl.
Erstellen Sie zum Testen einen Ordner in Ihrem aktuellen Arbeitsverzeichnis. Geben Sie den folgenden Code in eine Notebook-Zelle ein.
%%bash
mkdir Test_Folder
Führen Sie den Code aus und überprüfen Sie nun Ihr Arbeitsverzeichnis, indem Sie den Code eingeben
%%bash
ls
Sie werden sehen, dass der Ordner Test_Folder
wurde hinzugefügt. Sie können auch physisch zum Ordner navigieren, um dies zu überprüfen.
Datenvisualisierung
Mit der Verwendung von Python-Bibliotheken wie matplotlib
können Sie Datenvisualisierungen direkt in Ihrem Browser ausführen und anzeigen.
Versuchen wir, mit matplotlib eine sehr einfache Visualisierung zu erstellen.
Wir würden zuerst die Bibliothek importieren
from matplotlib import pyplot as plt
%matplotlib inline
Geben Sie dann die folgenden Codes ein
x = [1, 2, 3, 4, 5, 6, 7, 8, 9]
y = [11, 12, 13, 14, 15, 16, 17, 18, 19]
plt.plot(x, y)

Noch faszinierender ist, dass wir 3D-Visualisierungen machen können !!
Wir müssen zuerst die 3D-Visualisierungsbibliothek importieren
from mpl_toolkits import mplot3d
import numpy as np
Dann machen Sie eine 3D-Projektion
fig = plt.figure()
ax = plt.axes(projection='3d')
Unsere Ausgabe sollte so aussehen
Führen Sie nun die folgenden Skripte aus.
def f(x, y):
return np.sin(np.sqrt(x ** 2 + y ** 2))
x = np.linspace(-6, 6, 30)
y = np.linspace(-6, 6, 30)
X, Y = np.meshgrid(x, y)
Z = f(X, Y)
ax = plt.axes(projection='3d')
ax.plot_surface(X, Y, Z, rstride=1, cstride=1,
cmap='viridis', edgecolor='none')
ax.set_title('surface');
Mathematische und wissenschaftliche Notationen
Wir können Werkzeuge wie Latex direkt in unseren mathematischen und wissenschaftlichen Gleichungen vom Typ Jupyter Notebook verwenden.
LaTeX ist ein hochwertiges Schriftsatzsystem. Es enthält Funktionen für die Erstellung technischer und wissenschaftlicher Dokumentationen. Hier erfahren Sie mehr über Latex klicken. Versuchen wir, einige einfache LaTex-Codes auszuführen.
Geben Sie die folgenden LaTex-Befehle ein
## $J(\theta_0) = \frac{1}{2m}\sum_{i=0}^{m} (h_\theta(x^{(i)}) - y^{(i)})^2$
Die Ausgabe sollte von dieser Art sein
Conclusion
Dieser Artikel kratzt nur an der Oberfläche dessen, was mit der Verwendung von erreicht werden könnte Jupyter-Notizbücher. Die meisten Beispiele in diesem Artikel finden Sie in diesem von mir erstellten Jupyter-Notizbuch hier auf kollaborative