Spis treści:
Kurs z zatrudnieniem: „Zawód Data scientist»
Dowiedz się więcejCzym jest Jupyter Notebook
Jupyter Notebook to interaktywne środowisko do pracy z kodem w różnych językach programowania. Pozwala użytkownikom nie tylko wykonywać kod, ale także integrować opisy tekstowe, obrazy, infografiki i formuły matematyczne. Jedną z kluczowych funkcji Jupyter Notebook jest możliwość natychmiastowego wyświetlania wyników wykonywania kodu, co sprawia, że proces nauki i analizy danych jest bardziej wizualny. Użytkownicy mogą uruchamiać pojedyncze fragmenty kodu, co ułatwia debugowanie i eksperymentowanie z programami. Jupyter Notebook jest szeroko stosowany w badaniach naukowych, analizie danych i edukacji programistycznej ze względu na swoją elastyczność i wygodę.
Notatki w Jupyter Notebook są Pliki .ipynb, często nazywane „notatnikami”, umożliwiają użytkownikom udostępnianie projektów, a także wspólne przeglądanie i edycję. Aby ułatwić udostępnianie notatników, dostępna jest możliwość eksportu do formatów PDF lub HTML, co upraszcza proces udostępniania informacji innym użytkownikom. Jupyter Notebook to potężne narzędzie do analizy danych, uczenia maszynowego i badań naukowych, co czyni go niezastąpionym we współczesnym świecie programowania i danych.
Gdzie używać Jupyter Notebook
Jupyter Notebook idealnie sprawdza się w obszarach, w których kluczowe jest szybkie uzyskiwanie wyników z wykonania kodu, a także możliwość ponownego dostępu do nich bez konieczności ponownego uruchamiania. To narzędzie to doskonały wybór do analizy danych, uczenia maszynowego, badań naukowych i programów edukacyjnych. Dzięki interaktywnemu interfejsowi użytkownicy mogą łatwo dokumentować swoje kroki, wizualizować dane i udostępniać wyniki współpracownikom. Jupyter Notebook obsługuje wiele języków programowania, co czyni go wszechstronnym rozwiązaniem dla programistów i badaczy pracujących w różnych dziedzinach.
- Analiza danych. Dla analityków programowanie to po prostu narzędzie do rozwiązywania problemów. Na przykład, używając kodu, Możesz szybko znaleźć zależności między zdarzeniami. Do takiego zadania nie chcesz uruchamiać IDE i konfigurować pełnoprawnego projektu.
- Badania naukowe. Naukowcy używają interaktywnego notatnika do wykonywania złożonych obliczeń i wykreślania wyników eksperymentów.
- Nauka. Nauczyciele często uruchamiają przykłady kodu w Jupyter Notebook. W ten sposób uczniowie mogą zobaczyć problem, kod rozwiązania i wynik w jednym dokumencie. Mogą również przepisywać kod na bieżąco i widzieć zaktualizowany wynik.
- Eksperymentowanie z kodem. Jeśli zostanie wydana aktualizacja Pythona, możesz ją wypróbować w interaktywnym notatniku.
- Zaawansowany kalkulator. Uczniowie używają Jupyter Notebook jako darmowego i wszechstronnego kalkulatora. Pozwala im on szybko rozwiązywać równania, tworzyć wykresy i dodawać komentarze dla kolegów z klasy i nauczycieli. Istnieje jednak pewna wada: trzeba umieć programować.
Obsługiwane języki programowania
Jupyter Notebook został zaprojektowany do pracy z językami programowania Julia, Python i R, co odzwierciedla jego nazwa. Z czasem użytkownicy zaczęli tworzyć moduły łączące dodatkowe języki programowania. Obecnie Jupyter Notebook obsługuje wiele języków, w tym Python, C/C++, Dart, Lua, JavaScript, Go, Matlab, PHP, Ruby, TypeScript i inne. Dzięki temu Jupyter Notebook jest wszechstronnym narzędziem do analizy danych, rozwoju i szkoleń w różnych dziedzinach programowania.
Każdy język programowania współdziała z interaktywnym notatnikiem za pośrednictwem specjalnego jądra. Instalacja jądra zazwyczaj wymaga użycia poleceń menedżera pakietów PIP lub Conda. Pełną listę dostępnych jąder można znaleźć w repozytorium projektu. Pozwala to programistom wybrać jądro najbardziej odpowiednie do ich pracy, zapewniając optymalne wykonywanie kodu i efektywne wykorzystanie zasobów.
Jak zainstalować Jupyter Notebook
Jupyter Notebook Można go uruchomić zarówno lokalnie na komputerze, jak i w chmurze. Uruchomienie lokalne jest odpowiednie do pracy indywidualnej z notebookami, zapewniając pełną kontrolę nad danymi i środowiskiem. Opcja w chmurze jest wygodniejsza do współpracy, umożliwiając łatwe udostępnianie projektów i współpracę z kolegami w czasie rzeczywistym. Wybór między wdrożeniem lokalnym a w chmurze zależy od potrzeb i preferencji dotyczących danych.
Przed kontynuowaniem upewnij się, że masz zainstalowaną najnowszą wersję Pythona i menedżera pakietów PIP. W tym celu uruchom polecenie python —version w terminalu. Jeśli zobaczysz numer wersji, możesz przejść do kolejnych kroków. Jeśli terminal zwróci błąd lub zgłosi, że nie może znaleźć określonego pakietu, postępuj zgodnie z naszymi instrukcjami instalacji Pythona.
Aby poprawić widoczność w wyszukiwarkach i przyciągnąć więcej czytelników, ważne jest zoptymalizowanie tekstu, zachowując jego główny temat. W tym kontekście warto rozważyć następujące wskazówki:
Używaj słów kluczowych związanych z tematem treści. Pomoże to zwiększyć jej trafność i widoczność.
— Nadaj tekstowi logiczną strukturę, dzięki której będzie czytelny i zrozumiały.
— Upewnij się, że tekst jest zawiera nagłówki i podtytuły, które pomagają użytkownikom szybko znaleźć potrzebne informacje.
Przeczytaj także:
Uruchamianie Pythona: Podręcznik dla początkujących w trybie offline i online
Python to potężny i popularny język programowania, z którego można korzystać zarówno w trybie offline, jak i online. Jeśli dopiero zaczynasz przygodę z Pythonem i chcesz zacząć, ten przewodnik pomoże Ci zrozumieć, jak uruchamiać Pythona w różnych konfiguracjach.
Aby pracować w trybie offline, musisz zainstalować Pythona na swoim komputerze. Najnowszą wersję możesz pobrać z oficjalnej strony internetowej Pythona. Upewnij się, że wybierzesz wersję, która pasuje do Twojego systemu operacyjnego. Po zainstalowaniu będziesz mógł uruchamiać skrypty Pythona za pomocą terminala lub wiersza poleceń. Zaleca się również zainstalowanie zintegrowanego środowiska programistycznego (IDE), takiego jak PyCharm lub Visual Studio Code, aby uprościć proces pisania i debugowania kodu.
Aby pracować online, możesz skorzystać z różnych platform, które oferują możliwość uruchamiania kodu Pythona w przeglądarce internetowej. Popularne narzędzia online to Replit, Google Colab i Jupyter Notebook. Platformy te umożliwiają pisanie, testowanie i udostępnianie kodu bez konieczności instalowania Pythona na komputerze.
Wybór między trybem offline a online zależy od Twoich preferencji i zadań. Tryb offline oferuje więcej opcji pracy z plikami lokalnymi i bibliotekami, a tryb online jest wygodny do szybkiego testowania i współpracy.
Uruchamianie Pythona, zarówno offline, jak i online, otwiera drzwi do nauki programowania i tworzenia oprogramowania. Wybierz metodę, która najbardziej Ci odpowiada i rozpocznij swoją podróż do świata Pythona.
Instalacja Jupyter Notebook to prosty proces, który można wykonać za pomocą menedżera pakietów PIP. To narzędzie jest powszechnie używane przez programistów Pythona do instalowania dodatkowych bibliotek i narzędzi potrzebnych do tworzenia oprogramowania. Za pomocą polecenia pip install jupyter można szybko i łatwo zainstalować Jupyter Notebook, co pozwala rozpocząć pracę z interaktywnymi obliczeniami i analizą danych. Jupyter Notebook oferuje przyjazny dla użytkownika interfejs do pisania i uruchamiania kodu, a także wizualizacji danych, co czyni go niezbędnym narzędziem dla programistów i badaczy. Aby zainstalować Jupyter Notebook, otwórz terminal i wpisz polecenie pip install notebook. Rozpocznie się proces instalacji, który umożliwi Ci korzystanie z Jupyter Notebook do tworzenia i pracy z kodem Pythona. Przed uruchomieniem polecenia upewnij się, że masz zainstalowane Python i pip. Po zakończeniu instalacji będziesz mógł uruchomić Jupyter Notebook i tworzyć interaktywne notatniki do analizy danych i obliczeń. Wpisz polecenie jupyter notebook. Spowoduje to uruchomienie lokalnego serwera Jupyter na Twoim komputerze, a w przeglądarce automatycznie otworzy się nowa karta z interaktywnym interfejsem notatnika. Jupyter Notebook umożliwia wygodną pracę z kodem, wizualizację danych i tworzenie raportów w jednym miejscu, co czyni go idealnym narzędziem dla programistów i analityków danych.
Anaconda to darmowa dystrybucja dla języków programowania Python i R, oferująca szeroki wachlarz narzędzi do uczenia maszynowego i analizy danych. Anaconda zawiera Jupyter Notebook, który umożliwia wygodną pracę z kodem i wizualizację wyników. Ta dystrybucja jest idealna zarówno dla początkujących, jak i doświadczonych programistów, zapewniając dostęp do różnorodnych bibliotek i pakietów niezbędnych do efektywnej analizy danych. Korzystanie z Anacondy znacznie upraszcza proces instalacji i zarządzania bibliotekami, co czyni ją popularnym wyborem wśród analityków danych i programistów.
Przejdź do oficjalnej strony Anacondy i pobierz plik instalacyjny odpowiedni dla swojego systemu operacyjnego. Upewnij się, że wybrałeś odpowiednią wersję dla systemu Windows, macOS lub Linux, aby zapewnić poprawną instalację i funkcjonalność.
Uruchom pobrany plik i postępuj zgodnie z instrukcjami, aby dokończyć instalację.
Otwórz Anaconda Navigator na swoim komputerze i wybierz Jupyter Notebook z menu głównego. Możesz również uruchomić Jupyter Notebook, wpisując polecenie jupyter notebook w Terminalu. To narzędzie umożliwia wygodną pracę z interaktywnymi dokumentami, co czyni je idealnym narzędziem do rozwoju i analizy danych.
Miniconda to lekka wersja Anacondy, która zawiera tylko Pythona, menedżera pakietów Conda i minimalny zestaw niezbędnych zależności. Użytkownicy mogą w razie potrzeby instalować dodatkowe pakiety, takie jak interaktywne notatniki. Dzięki temu Miniconda jest doskonałym wyborem dla tych, którzy chcą dostosować swoje środowisko programistyczne do konkretnych zadań, bez zaśmiecania systemu niepotrzebnymi bibliotekami. Miniconda jest idealna dla programistów i badaczy, którzy wymagają elastyczności w instalowaniu i zarządzaniu pakietami Pythona.
Przejdź do oficjalnej strony Anacondy i w sekcji Miniconda pobierz plik instalacyjny odpowiedni dla swojego systemu operacyjnego. Upewnij się, że wybrałeś odpowiednią wersję dla systemu Windows, macOS lub Linux, aby zapewnić poprawną instalację Minicondy.
Uruchom pobrany plik i postępuj zgodnie z instrukcjami instalatora, aby zakończyć instalację.
Instalacja Jupyter Notebook jest niezbędnym krokiem do pracy z danymi i analiz. Aby to zrobić, otwórz terminal i uruchom polecenie conda install jupyter. Umożliwi to zainstalowanie Jupyter Notebook, który zapewnia wygodne środowisko do tworzenia i uruchamiania kodu w Pythonie. Upewnij się, że masz zainstalowaną Anacondę, ponieważ umożliwi Ci to łatwe zarządzanie pakietami i środowiskami. Po zakończeniu instalacji będziesz mógł uruchomić Jupyter Notebook i używać go do tworzenia interaktywnych notatników z kodem, tekstem i wizualizacjami danych.
Aby uruchomić interaktywne notatniki, musisz użyć polecenia jupyter notebook. To polecenie otwiera interfejs Jupyter, który umożliwia tworzenie i edycję notatników, a także uruchamianie kodu w Pythonie i innych językach programowania. Jupyter Notebook to potężne narzędzie do analizy i wizualizacji danych, dzięki czemu jest popularne wśród specjalistów z dziedziny nauki o danych i uczenia maszynowego. Upewnij się, że Jupyter jest zainstalowany i skonfigurowany na Twoim komputerze, aby uzyskać dostęp do wszystkich jego możliwości.
Google Colab to bezpłatna usługa w chmurze oparta na Jupyter Notebook, która umożliwia użytkownikom pracę z interaktywnymi notatnikami online. To narzędzie idealnie nadaje się do wykonywania obliczeń, analizy danych i tworzenia projektów uczenia maszynowego. Google Colab zapewnia dostęp do potężnych zasobów obliczeniowych, w tym procesorów graficznych (GPU), co czyni go popularnym wyborem wśród badaczy i programistów. Dzięki Google Colab możesz łatwo udostępniać swoje projekty, współpracować z innymi użytkownikami i integrować się z Dyskiem Google, aby przechowywać i zarządzać plikami. Przejdź na oficjalną stronę Google Colab i zaloguj się za pomocą konta Google. Krok 2: Kliknij przycisk „Utwórz notatnik” lub otwórz istniejący plik .ipynb. Umożliwi to rozpoczęcie pracy nad projektem w notatniku Jupyter, gdzie możesz pisać i uruchamiać kod, a także dodawać komentarze tekstowe i wizualizacje danych.
Dowiedz się również:
Google Colab to oparte na chmurze narzędzie do programowania w Pythonie, udostępniane przez Google. Umożliwia użytkownikom pisanie i uruchamianie kodu w przeglądarce, co czyni je idealnym narzędziem do nauczania, analizy danych i tworzenia aplikacji opartych na uczeniu maszynowym. Colab oferuje potężne zasoby obliczeniowe, w tym dostęp do procesorów graficznych (GPU), co jest szczególnie przydatne w przypadku zadań wymagających wysokiej wydajności.
Aby korzystać z Google Colab, wystarczy konto Google. Po zalogowaniu można utworzyć nowy notatnik lub wczytać istniejący. Interfejs Colab jest intuicyjny i przypomina Jupyter Notebook, co ułatwia użytkownikom zaznajomionym z platformą przejście na nową platformę.
Dzięki Google Colab można łatwo importować biblioteki, wczytywać dane z Dysku Google i korzystać z różnorodnych wizualizacji. Platforma obsługuje współpracę, umożliwiając wielu użytkownikom jednoczesną edycję tego samego dokumentu. Dostępny jest również szeroki wachlarz narzędzi integracyjnych z innymi usługami Google, takimi jak Arkusze Google i Google Cloud.
Początkującym Google Colab oferuje bogactwo samouczków i przykładów, dzięki czemu proces nauki jest prosty i przystępny. Jeśli chcesz rozpocząć naukę programowania w Pythonie lub rozwinąć swoje umiejętności uczenia maszynowego, Google Colab to doskonały wybór.
Jak korzystać z Jupyter Notebook
Po zainstalowaniu Jupyter Notebook nadszedł czas na poznanie jego funkcjonalności. To narzędzie oferuje potężne możliwości interaktywnego programowania i analizy danych. Możesz tworzyć i edytować dokumenty zawierające kod, tekst i wizualizacje, co czyni Jupyter idealnym wyborem do badań naukowych, edukacji i rozwoju. Zacznij od nauki podstawowych poleceń i interfejsu, aby efektywnie wykorzystać wszystkie możliwości Jupyter Notebook i zwiększyć swoją produktywność w pracy z danymi.
Aby utworzyć nowy folder w Jupyter Notebook, uruchom aplikację, wpisując polecenie jupyter notebook w terminalu. Po załadowaniu interfejsu znajdź przycisk Nowy w prawym górnym rogu i otwórz menu rozwijane. W tym menu wybierz opcję Nowy folder, aby utworzyć nowy folder do uporządkowania plików i projektów.
W W drugim kroku musisz przypisać nazwę folderu, taką jak MyProject, i go otworzyć.
Aby utworzyć nowy notatnik, kliknij ponownie przycisk Nowy w prawym górnym rogu. Z wyświetlonej listy rozwijanej wybierz Python 3. Spowoduje to otwarcie nowego notatnika, gotowego do pracy z kodem Pythona.
Krok 4: Wszystkie tworzone notatniki domyślnie noszą nazwę Bez tytułu. Aby zmienić tę nazwę, po prostu kliknij ją i wpisz nową, taką jak MyFirstNotebook. Po wprowadzeniu nowej nazwy kliknij przycisk Zmień nazwę, aby zapisać zmiany.
Praca w Jupyter Notebook opiera się na komórkach, które są edytowalnymi i wykonywalnymi blokami kodu i tekstu. Istnieje kilka typów komórek, z których każdy pełni unikalną funkcję w procesie tworzenia i analizy danych. Główne typy komórek to komórki kodu, które służą do pisania i wykonywania kodu programu, oraz komórki Markdown, które służą do formatowania tekstu i dodawania wyjaśnień. Zrozumienie różnych typów komórek i ich funkcjonalności jest kluczem do efektywnej pracy w Jupyter Notebook, co czyni go potężnym narzędziem do analizy danych, nauczania i badań naukowych.
- Bloki kodu – bloki zawierające kod wykonywalny. Można ich na przykład użyć do napisania wyrażenia w Pythonie, uruchomienia go i natychmiastowego wyświetlenia wyniku poniżej.
- Komórki Markdown – komórki do formatowania tekstu. Jeśli chcesz dodać szczegółowe wyjaśnienie do swojego kodu, użyj tego bloku.
- Surowe — „surowe” dane, które służą do konfigurowania złożonych scenariuszy importu i wizualizacji danych.
Aby zapisać notatnik, kliknij przycisk Plik w górnym menu i wybierz opcję Zapisz i punkt kontrolny. Aby wyeksportować plik, na przykład w celu udostępnienia współpracownikom, kliknij Plik, a następnie wybierz opcję Pobierz jako i określ żądany format eksportu, taki jak PDF lub HTML. Umożliwi to łatwe udostępnianie materiałów z zachowaniem ich formatowania i struktury.
Przykłady
W tym artykule przyjrzymy się kilku przykładom wykorzystania Jupyter Notebook. Jupyter Notebook to potężne narzędzie do analizy danych, wizualizacji i tworzenia interaktywnych materiałów dydaktycznych. Omówimy, jak efektywnie korzystać z Jupyter Notebook w różnych scenariuszach, w tym w pracy z bibliotekami Pythona, takimi jak NumPy i Pandas, oraz tworzeniu wykresów za pomocą Matplotlib i Seaborn. Te przykłady pomogą Ci lepiej zrozumieć możliwości Jupyter Notebook i jego zastosowania w badaniach naukowych, przetwarzaniu danych i edukacji programistycznej.
Wybierz typ komórki „Kod” i wprowadź wyrażenie matematyczne 15 + 28. Następnie uruchom kod, a wynik obliczeń pojawi się poniżej bloku. W ten sposób możesz uruchomić dowolny kod Pythona i natychmiast zobaczyć wynik programu. Dzięki temu możesz efektywnie używać Pythona do wykonywania operacji matematycznych i testowania algorytmów w czasie rzeczywistym.
Przypisz Wpisz w komórce kod Markdown i naciśnij Enter. Poniższy kod:
Naciśnięcie Shift + Enter wyświetla tekst w żądanym układzie. Ten skrót klawiaturowy jest przydatny do tworzenia nowego akapitu bez przechodzenia do nowego wiersza, co pomaga zachować strukturę dokumentu i poprawia czytelność. Korzystanie z tego skrótu może być szczególnie przydatne podczas pracy z treścią HTML, gdzie prawidłowe formatowanie odgrywa kluczową rolę w odbiorze przez użytkownika i wyszukiwarki. Używając Shift + Enter, możesz kontrolować wyświetlanie tekstu i zachować pożądany poziom formatowania wizualnego, co sprzyja skuteczniejszej interakcji z czytelnikiem.
Jupyter Notebook używa języka znaczników Markdown do formatowania tekstu. Poznaj podstawy składni języka Markdown dzięki naszej ściągawce, która pomoże Ci skutecznie uporządkować i przedstawić informacje we wpisach.
Aby osiągnąć najlepsze rezultaty SEO, ważne jest tworzenie wysokiej jakości treści, które odpowiadają zainteresowaniom i potrzebom grupy docelowej. Upewnij się, że Twój tekst zawiera trafne słowa kluczowe, aby poprawić widoczność w wyszukiwarkach. Pamiętaj o optymalizacji nagłówków i podtytułów, a także o stosowaniu meta tagów i opisów dla każdej strony. Regularna aktualizacja treści pomoże utrzymać zainteresowanie użytkowników i zwiększyć autorytet witryny. Nie zapomnij o linkach wewnętrznych i zewnętrznych, aby budować zaufanie do swojego zasobu.
Przeczytaj również:
Markdown: Przewodnik po składni z przykładami
Markdown to lekki język znaczników, który pozwala formatować tekst za pomocą prostych symboli. Jest szeroko stosowany do tworzenia dokumentów strukturalnych, takich jak pliki README, artykuły i blogi. Ten przewodnik wprowadza podstawowe elementy składni Markdown z przykładami.
Nagłówki w Markdown są tworzone za pomocą znaku hash (#). Liczba hashów wskazuje poziom nagłówka. Na przykład, #Nagłówek Poziomu 1 tworzy nagłówek najwyższego poziomu, a ##Nagłówek Poziomu 2 tworzy nagłówek drugiego poziomu.
Aby tekst był kursywą, użyj pojedynczego podkreślenia lub gwiazdki. Na przykład _kursywa_ lub *kursywa*. Aby tekst był pogrubiony, użyj podwójnego podkreślenia: **pogrubienie** lub __pogrubienie__.
Listy w Markdown mogą być nieuporządkowane lub numerowane. Listy nieuporządkowane tworzy się za pomocą znaków *, - lub +, a listy numerowane za pomocą liczb z kropką. Na przykład:
— Element listy
— Kolejny element
1. Pierwszy element
2. Drugi element
Aby utworzyć linki, użyj następującej składni: [tekst linku](URL). Na przykład [Google](https://www.google.com) utworzy link do witryny Google.
Obrazy wstawia się w taki sam sposób jak linki, ale przed tekstem dodaje się wykrzyknik: .
Aby utworzyć linię poziomą w Markdown, wystarczy użyć trzech lub więcej myślników, gwiazdek lub podkreśleń: — lub ***.
Kod można przedstawić jako kod wbudowany za pomocą znaków odwrotnego apostrofu (`) lub kod wielowierszowy za pomocą potrójnego znaku odwrotnego apostrofu («`). Na przykład: `code` dla kodu wbudowanego i «`code«` dla kodu wielowierszowego.
Markdown to świetne narzędzie do tworzenia uporządkowanych i czytelnych treści. Jest łatwy w użyciu i umożliwia szybkie formatowanie tekstu, dzięki czemu cieszy się popularnością wśród programistów i autorów treści. Jupyter Notebook to popularne narzędzie do analizy i wizualizacji danych za pomocą wykresów. Podstawowe biblioteki potrzebne do tych zadań obejmują Pandas i Matplotlib. Można je zainstalować, uruchamiając w wierszu poleceń polecenia pip install pandas i pip install matplotlib. Jeśli korzystasz z dystrybucji Anaconda, biblioteki te są już preinstalowane na Twoim komputerze, co upraszcza pracę z danymi i wykresami. Korzystanie z Jupyter Notebook z Pandas i Matplotlib umożliwia wydajne przetwarzanie i prezentację danych, czyniąc to narzędzie niezastąpionym dla analityków i badaczy. Teraz utwórzmy tabelę. Aby to zrobić, utwórz komórkę „Kod” i wklej do niej następujący kod:
Po wykonaniu tej czynności w „notatniku” zostanie wyświetlona tabela.
Aby utworzyć wykres za pomocą funkcji pyplot z biblioteki Matplotlib, skopiuj poniższy fragment kodu do swojej komórki. Ten proces pozwoli Ci wizualizować dane i poprawić ich zrozumienie dzięki reprezentacji graficznej. Upewnij się, że biblioteka Matplotlib jest zainstalowana i zaimportowana do projektu przed uruchomieniem kodu.
Uruchom program, a wynikiem będzie wykres paraboli. Parabola to krzywa będąca graficzną reprezentacją funkcji kwadratowej. To równanie jest ważne w matematyce i jest wykorzystywane w różnych dziedzinach, takich jak fizyka, ekonomia i inżynieria. Zrozumienie właściwości paraboli pozwala na analizę jej zachowania i zastosowanie jej w praktycznych problemach.
Co warto zapamiętać
- Jupyter Notebook to interaktywny notatnik, w którym można uruchamiać kod w różnych językach programowania oraz dodawać do niego tekst, obrazy i infografiki.
- Jupyter został stworzony dla języków Julia, Python i R, ale teraz obsługuje kilkadziesiąt języków, w tym JavaScript, C/C++ i PHP.
- Interaktywny notatnik można zainstalować lokalnie lub używać w chmurze, na przykład za pośrednictwem Google Colab.
- Jupyter Notebook jest najczęściej używany w analizie danych, uczeniu maszynowym, badaniach naukowych i edukacji.
