Présentation de Jupyter Notebook pour les débutants

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 scientifique des données conviendrait que vous pouvez à peine vous passer de l’utilisation d’un ordinateur portable Jupyter à un moment donné, enfin, sinon à chaque fois. Un large éventail d’ingénieurs AI / ML a adopté l’utilisation de Carnet Jupyter comme un outil qu’ils utilisent pour écrire et tester les algorithmes / modèles.

Mais qu’est-ce que Jupyter? Et pourquoi est-il appelé un ordinateur portable?

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

Donc, fondamentalement, nous pourrions dire qu’un cahier est utilisé pour exprimer un contexte, une idée ou des connaissances particuliers en utilisant du texte, des diagrammes, des dessins, des images, des équations, des tableaux ou même des 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, codes, textes, images, équations, ébauches de graphiques et visualisations et même dessiner des tableaux.

Qu’est-ce que le cahier Jupyter?

Le bloc-notes Jupyter 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 des données, l’apprentissage automatique et bien plus encore.

Le plus souvent, le bloc-notes Jupyter est utilisé dans un environnement Python. Ils ont des sorties très interactives et peuvent être facilement partagés, tout comme un ordinateur portable ordinaire.

À quoi peut servir Jupyter Notebook?

Écriture de 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 cahier Jupyter.

Python

De toutes les langues qui peuvent être écrites avec Jupyter, le python est le plus populaire avec le cahier. Presque tout le monde qui écrit du code dans l’environnement Jupyter écrit le Python. Par défaut, Jupyter prend en charge Python dans leur environnement sans utiliser de commandes magiques spéciales.

def hello_world ():
impression("Bonjour le monde!!!")
Bonjour le monde()

Et, la sortie serait:

Bonjour le monde!!!

Javascript

JavaScript est connu pour le Web et peut également être écrit dans 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 qu’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 = "Bonjour le monde"
alerte (texte)

Java

Il permet d’intégrer «noyaux» supplémentaires – 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 si sous Linux.

console jupyter –kernel = java
Console Jupyter 5.1.0
Java 9.0.4 + 11 :: IJava kernel 1.1.0-INSTANTANÉ
Implémentation du protocole v5.0 par jupyter-jvm-basekernel 2.2.1-INSTANTANÉ
En 1]:

Matlab

Matlab est un langage hautes performances pour l’informatique 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 que nous devons 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 saisissez le code

source activer jmatlab

  • Ensuite, installez le noyau Matlab pour Python

pip install matlab_kernal
installation de python -m matlab_kernel

  • Vérifiez si le noyau est correctement installé

liste jupyter kernelspec

  • Trouvez votre répertoire MATLAB. “/Applications/MATLAB_R2017a.app”.
  • Accédez au sous-répertoire «extern / motors / python» et installez le moteur Python.

cd «/Applications/MATLAB_R2017a.app/extern/engines/python»
installation de python setup.py

  • Démarrer le bloc-notes Jupyter

cd your_working_directory
cahier jupyter

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

Markdowns

Le bloc-notes Jupyter est pratique pour 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),
Utilisé pour l’analyse des données
* [Numpy] (# numpy),
Utilisé pour l’analyse numérique
* [Matplotlib] (# matplotlib),
Utilisé pour les visualisations de données

La sortie doit être la suivante;

Bash Scripts

Jupyter Notebooks permet l’utilisation du script bash à l’aide de la commande %% bash magic.

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

%%frapper
mkdir Test_Folder

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

%%frapper
ls

Vous verrez que le dossier Test_Folder y a été ajouté. Vous pouvez également naviguer physiquement vers le dossier 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 importons d’abord la bibliothèque

de 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 de Matplotlib.

Encore plus intrigant, nous pourrions faire des visualisations 3D!!
Nous devons d’abord importer la bibliothèque de visualisation 3D

depuis mpl_toolkits, importez mplot3d
import numpy as np

Faites ensuite 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.grille maillée (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 le latex directement dans nos équations mathématiques et scientifiques de type bloc-notes Jupyter.

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 carnet Jupyter que j’ai créé ici en collaboration

MOTS CLÉS:

  • Python

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