• Assurez la sécurité des applications de la bonne manière! Détectez, protégez, surveillez, accélérez et plus encore…
  • L'apprentissage automatique et l'intelligence artificielle sont devenus les nouveaux mots à la mode dans le monde de la technologie; littéralement, tout le monde semble avoir réalisé à quel point ce domaine d'études est important.

    Un data scientist conviendrait que vous pouvez à peine vous passer d'un notebook Jupyter à un moment donné, sinon à chaque fois. Un large éventail d'ingénieurs AI / ML a adopté l'utilisation de Jupyter Notebook comme outil qu'ils utilisent pour écrire et tester les algorithmes / modèles.

    Mais qu'est-ce que Jupyter? Et pourquoi est-il appelé cahier?

    Selon Wikipedia, un cahier est un livre ou un classeur de papier de pages, souvent gouverné, utilisé à de nombreuses fins telles que l'enregistrement de notes ou de mémorandums, l'écriture, le dessin ou la réservation de ferraille..

    Donc, fondamentalement, nous pourrions dire qu'un cahier est utilisé pour exprimer un contexte, une idée ou une connaissance particulière à l'aide de texte, de diagrammes, de dessins, d'images, d'équations, de tableaux ou même de graphiques.

    Pourquoi alors Jupyter est-il appelé un cahier?

    Parce qu'il fait exactement ce que fait ce qui précède! Il est utilisé pour rédiger des documents, des codes, des textes, des images, des équations, des graphiques et des visualisations et même dessiner des tableaux.

    Qu'est-ce que Jupyter Notebook?

    Jupyter Notebook est une application Web open source qui vous permet de créer et de partager des documents contenant du code en direct, des équations, des visualisations et du texte narratif. Il utilise notamment le nettoyage et la transformation des données, la simulation numérique, la modélisation statistique, la visualisation de données, l'apprentissage automatique et bien plus encore.

    Le plus souvent, Jupyter Notebook est utilisé dans un environnement Python. Ils ont des sorties très interactives et peuvent être facilement partageables, tout comme un cahier ordinaire.

    À quoi sert Jupyter Notebook?

    Écrire plusieurs langues.

    Le système Jupyter prend en charge plus de 100 langages de programmation (appelés «noyaux» dans l'écosystème Jupyter), notamment Python, Java, R, Julia, Matlab, Octave, Scheme, Processing, Scala et bien d'autres. Vous pouvez partager le code écrit dans Notebook avec d'autres personnes.

    Voici quelques langues qui peuvent être écrites dans le notebook Jupyter.

    Python

    De tous les langages qui peuvent être écrits avec Jupyter, python est le plus populaire avec le notebook. Presque tous ceux qui écrivent du code dans l'environnement Jupyter écrivent le Python. Par défaut, Jupyter prend en charge Python dans son environnement sans utiliser de commandes magiques spéciales.

    def hello_world():     
    print("Hello world!!!") 
    hello_world()

    Et, la sortie serait:

    Hello world!!!

    JavaScript

    JavaScript généralement connu pour le Web et peut également être écrit en Jupyter. Contrairement à Python, JavaScript n'est pas pris en charge par défaut. Vous devez utiliser une certaine commande spéciale pour indiquer à la cellule que vous l'exécutez, car il s'agit d'un code JavaScript. Ces commandes sont souvent appelées commandes magiques. pour JavaScript, la commande est %%javascript.

    Il existe également une limite au code JavaScript que vous pouvez exécuter dans Jupyter Notebook, contrairement à python.

    %%javascript
    const text = "hello world"
    alert(text)

    Java

    Il permet d'intégrer "noyaux" supplémentaires - les langues. Un tel noyau peut être installé en suivant l'ensemble des instructions d'installation ici. Après l'installation, exécutez la commande suivante dans votre terminal Jupyter sous Linux.

    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 est un langage performant pour le calcul technique; Il intègre le calcul, la visualisation et la programmation dans un environnement facile à utiliser où les problèmes et les solutions sont exprimés en notation mathématique familière.

    Pour utiliser Matlab dans Jupyter Notebook, vous devez d'abord installer Jupyter-Matlab. La première chose à faire est de créer un environnement virtuel.

    • Ouvrez votre invite Jupyter sous Windows ou simplement votre terminal sous Linux et tapez la commande suivante
    conda create -vv -n jmatlab python=3.5 jupyter
    • Assurez-vous de rester dans ce terminal, puis tapez le code
    source activate jmatlab
    • Ensuite, installez le noyau Matlab pour Python
    pip install matlab_kernal
    python -m matlab_kernel install
    • Vérifiez si le noyau est correctement installé
    jupyter kernelspec list
    • Trouvez votre répertoire MATLAB. «/Applications/MATLAB_R2017a.app».
    • Accédez au sous-répertoire «extern / moteurs / python» et installez le moteur Python.
    cd “/Applications/MATLAB_R2017a.app/extern/engines/python”
    python setup.py install
    • Démarrer le notebook Jupyter
    cd your_working_directory
    jupyter notebook

    Une fois lancé, il devrait maintenant y avoir une option pour Matlab et python.

    Démarques

    Le notebook Jupyter est pratique lorsqu'il s'agit d'écrire des démarques, et cela peut être très utile lorsque vous souhaitez donner une explication détaillée ou détaillée d'un morceau de code, écrire de la documentation ou un dictionnaire pour un ensemble de données particulier.
    Tapez le code ci-dessous dans un cahier.

    * [Pandas](#pandas),
      Used for data analysis
    * [Numpy](#numpy),
      Used for numerical analysis
    * [Matplotlib](#matplotlib),
      Used for data visualizations

    La sortie doit être comme suit;

    Scripts Bash

    Jupyter Notebooks permet l'utilisation du script bash en utilisant le %%bash commande magique.

    Pour tester, créons un dossier dans votre répertoire de travail actuel. Tapez le code suivant dans une cellule Notebook.

    %%bash
    mkdir Test_Folder

    Exécutez le code, vérifiez maintenant votre répertoire de travail en tapant le code

    %%bash
    ls

    Vous verrez que le dossier Test_Foldery a été ajouté. Vous pouvez également accéder au dossier physiquement pour vérifier.

    Visualisation de données

    Avec l'utilisation de bibliothèques Python comme matplotlib, vous pouvez exécuter et afficher des visualisations de données directement dans votre navigateur.

    Essayons de faire une visualisation très basique en utilisant matplotlib.

    Nous importerions d'abord la bibliothèque

    from matplotlib import pyplot as plt
    %matplotlib inline

    Tapez ensuite les codes suivants

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

    Encore plus intriguant est que nous pourrions faire des visualisations 3D !!
    Nous devons d'abord importer la bibliothèque de visualisation 3D

    from mpl_toolkits import mplot3d
    import numpy as np

    Ensuite, faites une projection 3D

    fig = plt.figure()
    ax = plt.axes(projection='3d')

    Notre sortie devrait ressembler à ceci

    Projection 3D
    Maintenant, exécutez les scripts suivants.

    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');

    Diagramme tracé 3D

    Notations mathématiques et scientifiques

    Nous pouvons utiliser des outils comme Latex directement dans nos équations mathématiques et scientifiques de type Jupyter Notebook.

    LaTeX est un système de composition de haute qualité; il comprend des fonctionnalités conçues pour la production de documentation technique et scientifique. Vous pouvez en savoir plus sur le latex ici ici. Essayons d'exécuter quelques codes LaTex simples.
    Tapez les commandes LaTex suivantes

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

    La sortie doit être de ce type

    Conclusion

    Cet article ne fait qu'effleurer la surface de ce qui pourrait être réalisé avec l'utilisation de Cahiers Jupyter. Vous pouvez trouver la plupart des exemples dans cet article dans ce notebook Jupyter que j'ai créé ici sur collaboratif