Introdução ao Notebook Jupyter para iniciantes

Aprendizado de máquina e inteligência artificial se tornaram as novas palavras da moda no mundo da tecnologia; literalmente, todo mundo parece ter percebido a importância desse campo de estudo.


Um cientista de dados concorda que você mal pode usar o notebook Jupyter em algum momento, bem, se não o tempo todo. Uma ampla gama de engenheiros de IA / ML adotou o uso de Jupyter Notebook como uma ferramenta que eles usam para escrever e testar os algoritmos / modelos.

Mas o que é Jupyter? E por que é referido como um Notebook?

Segundo a Wikipedia, um caderno é um livro ou encadernador de papel de páginas, geralmente regulamentado, usado para muitos propósitos, como gravar notas ou memorandos, escrever, desenhar ou fazer recados.

Então, basicamente, poderíamos dizer que um bloco de anotações é usado para expressar um contexto, idéia ou conhecimento específico usando texto, diagramas, desenhos, figuras, equações, tabelas ou mesmo gráficos.

Por que então o Jupyter é chamado de notebook?

Porque ele faz exatamente o que o indicado acima faz! É usado para redigir documentos, códigos, textos, figuras, equações, gráficos de rascunho e visualizações e até desenhar tabelas.

O que é o Notebook Jupyter?

O Jupyter Notebook é um aplicativo da web de código aberto que permite criar e compartilhar documentos que contêm código ativo, equações, visualizações e texto narrativo. Utiliza limpeza e transformação de dados, simulação numérica, modelagem estatística, visualização de dados, aprendizado de máquina e muito mais.

Na maioria das vezes, o Jupyter Notebook é usado em um ambiente Python. Eles têm saídas muito interativas e podem ser facilmente compartilháveis, assim como um notebook comum.

Para que o Jupyter Notebook pode ser usado?

Escrevendo vários idiomas.

O sistema Jupyter suporta mais de 100 linguagens de programação (chamadas “kernels” no ecossistema Jupyter), incluindo Python, Java, R, Julia, Matlab, Octave, Scheme, Processing, Scala e muito mais. Você pode compartilhar o código escrito no Notebook com outras pessoas.

Aqui estão alguns idiomas que podem ser escritos no caderno Jupyter.

Pitão

De todas as linguagens que podem ser escritas com o Jupyter, o python é o mais popular no notebook. Quase todo mundo que escreve código no ambiente Jupyter escreve o Pitão. Por padrão, o Jupyter suporta Python em seu ambiente sem o uso de comandos mágicos especiais.

def hello_world ():
impressão("Olá Mundo!!!")
Olá Mundo()

E a saída seria:

Olá Mundo!!!

Javascript

JavaScript conhecido popularmente na Web e também pode ser escrito em Jupyter. Ao contrário do Python, o JavaScript não é suportado por padrão. Você precisa usar um determinado comando especial para informar à célula que o está executando que este é um código JavaScript. Esses comandos são freqüentemente chamados de comandos mágicos. para JavaScript, o comando é %% javascript.

Há também um limite para o código JavaScript que você pode executar no Jupyter Notebook, diferente do python.

%% javascript
texto const = "Olá Mundo"
alerta (texto)

Java

Permite integrar “kernels” adicionais – línguas. Esse kernel pode ser instalado seguindo o conjunto de instruções de instalação aqui. Após a instalação, execute o seguinte comando no seu terminal Jupyter, se estiver no Linux.

console jupyter –kernel = java
Jupyter console 5.1.0
Java 9.0.4 + 11 :: IJava kernel 1.1.0-SNAPSHOT
Implementação do Protocolo v5.0 pelo jupyter-jvm-basekernel 2.2.1-SNAPSHOT
Em 1]:

Matlab

Matlab é uma linguagem de alto desempenho para computação técnica; Ele integra computação, visualização e programação em um ambiente fácil de usar, onde problemas e soluções são expressos em notação matemática familiar.

Para usar o Matlab no Jupyter Notebook, você deve primeiro instalar o Jupyter-Matlab. A primeira coisa que precisamos fazer é criar um ambiente virtual.

  • Abra seu prompt do Jupyter no Windows ou apenas no seu terminal no Linux e digite o seguinte comando

conda criar -vv -n jmatlab python = 3.5 jupyter

  • Certifique-se de permanecer neste terminal e digite o código

fonte ativar jmatlab

  • Em seguida, instale o kernel do Matlab para Python

pip install matlab_kernal
Instalação do python -m matlab_kernel

  • Verifique se o kernel está instalado corretamente

lista jupyter kernelspec

  • Encontre o seu diretório MATLAB. “/Applications/MATLAB_R2017a.app”.
  • Vá para o subdiretório “extern / engines / python” e instale o mecanismo Python.

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

  • Iniciar o notebook Jupyter

cd your_working_directory
caderno jupyter

Depois de lançado, agora deve haver uma opção para Matlab e python.

Remarcações

O bloco de anotações Jupyter é útil quando se trata de escrever anotações, e isso pode ser muito útil quando você deseja dar uma explicação detalhada ou detalhada de um pedaço de código, documentação de gravação ou dicionário para um determinado conjunto de dados.
Digite o código abaixo em um notebook.

* [Pandas] (# pandas),
Usado para análise de dados
* [Numpy] (# numpy),
Usado para análise numérica
* [Matplotlib] (# matplotlib),
Usado para visualizações de dados

A saída deve ser a seguinte;

Scripts Bash

O Jupyter Notebooks permite o uso de script bash usando o comando %% bash magic.

Para testar, vamos criar uma pasta no seu diretório de trabalho atual. Digite o seguinte código em uma célula do Notebook.

%%bater
mkdir Test_Folder

Execute o código, agora verifique seu diretório de trabalho digitando o código

%%bater
ls

Você verá que a pasta Test_Folder foi adicionada a ela. Você também pode navegar para a pasta fisicamente para verificar.

Visualização de dados

Com o uso de bibliotecas Python como matplotlib, você pode executar e exibir visualizações de dados diretamente no seu navegador.

Vamos tentar fazer uma visualização muito básica usando matplotlib.

Primeiro importaríamos a biblioteca

do matplotlib import pyplot como plt
% matplotlib inline

Em seguida, digite os seguintes códigos

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

Ainda mais intrigante é que poderíamos fazer visualizações em 3D!!
Primeiro precisamos importar a biblioteca de visualização 3d

de mpl_toolkits import mplot3d
importar numpy como np

Então faça uma projeção 3D

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

Nossa produção deve ficar assim

Projeção 3d
Agora, execute os seguintes scripts.

def f (x, y):
retornar 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 (projeção = ‘3d’)
ax.plot_surface (X, Y, Z, rstride = 1, cstride = 1,
cmap = ‘viridis’, edgecolor = ‘nenhum’)
ax.set_title (‘superfície’);

Diagrama plotado 3D

Notações matemáticas e científicas

Podemos usar ferramentas como o látex dentro de nossas equações matemáticas e científicas do tipo Jupyter Notebook.

O LaTeX é um sistema de composição de alta qualidade; inclui recursos projetados para a produção de documentação técnica e científica. Você pode aprender mais sobre o látex aqui aqui. Vamos tentar executar alguns códigos LaTex simples.
Digite os seguintes comandos do LaTex

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

A saída deve ser desse tipo

Conclusão

Este artigo apenas arranha a superfície do que poderia ser alcançado com o uso de Cadernos Jupyter. Você pode encontrar a maioria dos exemplos neste artigo neste caderno Jupyter que criei aqui no colaborativo

TAG:

  • Pitão

Jeffrey Wilson Administrator
Sorry! The Author has not filled his profile.
follow me
    Like this post? Please share to your friends:
    Adblock
    detector
    map