معرفی نوت بوک Jupyter برای مبتدیان

یادگیری ماشین و هوش مصنوعی به کلمات جدیدی در دنیای فناوری تبدیل شده اند. به معنای واقعی کلمه ، به نظر می رسد همه متوجه شده اند که این رشته تحصیلی چقدر اهمیت دارد.


یک دانشمند داده موافقت می کند که شما می توانید بدون استفاده از یک نوت بوک Jupyter در برخی از زمان ها ، به سختی ، اگر هر زمان که باشید ، انجام دهید. طیف گسترده ای از مهندسان AI / ML استفاده از این فناوری را اتخاذ کرده اند نوت بوک Jupyter به عنوان ابزاری که برای نوشتن و آزمایش الگوریتم ها / مدل ها از آنها استفاده می کنند.

اما مشتری چیست؟ و چرا از آن به عنوان نوت بوک یاد می شود?

مطابق با ویکی پدیا ، نوت بوک کتاب یا صحافی کاغذ صفحات است که اغلب مورد استفاده قرار می گیرد و برای اهداف زیادی از جمله ضبط یادداشت ها یا یادداشت ها ، نوشتن ، ترسیم یا رزرو ضایعات مورد استفاده قرار می گیرد..

بنابراین اساساً ، می توان گفت كه نوت بوك برای بیان متن ، ایده یا دانش خاص با استفاده از متن ، نمودارها ، نقشه ها ، تصاویر ، معادلات ، جداول یا حتی نمودارها استفاده می شود..

پس چرا از مشتری به عنوان نوت بوک یاد می شود?

زیرا دقیقاً همان کاری را که گفته شد انجام می دهد! برای تهیه اسناد ، کدها ، متون ، تصاویر ، معادلات ، پیش نویس نمودارها و تجسم ها و حتی ترسیم جدول ها استفاده می شود.

نوت بوک Jupyter چیست؟?

نوت بوک Jupyter یک برنامه وب منبع منبع باز است که به شما امکان می دهد اسناد حاوی کد زنده ، معادلات ، تجسم و متن روایت را ایجاد و به اشتراک بگذارید. این موارد شامل تمیز کردن داده ها و دگرگونی ، شبیه سازی عددی ، مدل سازی آماری ، تجسم داده ها ، یادگیری ماشین و موارد دیگر می باشد.

بیشتر اوقات ، نوت بوک Jupyter در یک محیط Python استفاده می شود. آنها خروجی های بسیار تعاملی دارند و دقیقاً مانند یک نوت بوک معمولی می توانند به راحتی قابل اشتراک باشند.

از چه چیزی می توان برای نوت بوک Jupyter استفاده کرد?

نوشتن چندین زبان.

سیستم Jupyter از بیش از 100 زبان برنامه نویسی (به نام “هسته” در اکوسیستم Jupyter) پشتیبانی می کند ، از جمله پایتون ، جاوا ، R ، جولیا ، ماتابل ، اکتاو ، طرح ، پردازش ، اسکالا و بسیاری دیگر. می توانید کد نوشته شده در دفترچه را با دیگران به اشتراک بگذارید.

در اینجا چند زبان وجود دارد که می توان در نوت بوک Jupyter نوشت.

پایتون

از بین تمام زبانهایی که می توان با Jupyter نوشت ، پایتون محبوب ترین نوت بوک است. تقریباً هرکسی که در محیط Jupyter کدی بنویسد ، می نویسد پایتون. به طور پیش فرض ، مشتری بدون استفاده از دستورات جادویی ویژه ، از پایتون در محیط خود پشتیبانی می کند.

def hello_world ():
چاپ("سلام دنیا!!!")
سلام دنیا()

و ، خروجی خواهد بود:

سلام دنیا!!!

جاوا اسکریپت

جاوا اسکریپت که به طور گسترده برای وب شناخته شده است و می تواند در Jupyter نیز نوشته شود. برخلاف پایتون ، جاوا اسکریپت به طور پیش فرض پشتیبانی نمی شود. شما باید از یک دستور خاص خاص استفاده کنید تا به سلول بگویید که آن را اجرا می کنید زیرا این یک کد JavaScript است. این دستورات اغلب دستورات جادویی نامیده می شوند. برای JavaScript ، دستور٪٪ javascript است.

بر خلاف پایتون ، محدودیتی وجود دارد که کد JavaScript که می توانید در نوت بوک Jupyter اجرا کنید ، وجود دارد.

٪٪ جاوا اسکریپت
متن const = "سلام دنیا"
هشدار (متن)

جاوا

این اجازه می دهد تا ادغام شود “هسته” اضافی – زبان ها. با رعایت مجموعه دستورالعمل های نصب ، چنین هسته ای قابل نصب است اینجا. پس از نصب ، دستور زیر را در ترمینال Jupyter خود در صورت لینوکس اجرا کنید.

کنسول jupyter – kernel = جاوا
کنسول Jupyter 5.1.0
Java 9.0.4 + 11 :: هسته IJava 1.1.0-SNAPSHOT
اجرای پروتکل v5.0 توسط jupyter-jvm-basekernel 2.2.1-SNAPSHOT
در 1]:

متلب

Matlab یک زبان کارآمد برای محاسبات فنی است. این محاسبات ، تجسم و برنامه نویسی را در یک محیط با کاربرد آسان که مشکلات و راه حل ها در نمادهای ریاضی آشنا بیان شده است ادغام می کند..

برای استفاده از Matlab در نوت بوک Jupyter ، ابتدا باید Jupyter-Matlab را نصب کنید. اولین کاری که باید انجام دهیم ایجاد یک محیط مجازی است.

  • اعلان Jupyter را بر روی ویندوز یا فقط ترمینال خود در لینوکس باز کنید و دستور زیر را تایپ کنید

conda ایجاد -vv -n jmatlab python = 3.5 ژوپیوتر

  • مطمئن شوید که در این ترمینال مانده اید ، سپس کد را تایپ کنید

منبع فعال jmatlab

  • سپس هسته Matlab را برای Python نصب کنید

pip نصب کنید matlab_kernal
Python -m matlab_kernel نصب کنید

  • بررسی کنید که هسته به درستی نصب شده است یا خیر

لیست هسته های jupyter

  • فهرست راهنمای MATLAB خود را پیدا کنید. “/ برنامه های کاربردی/MATLAB_R2017a.app”.
  • به زیر مجموعه “extern / motor / python” بروید و موتور پایتون را نصب کنید.

cd “/ برنامه های کاربردی/MATLAB_R2017a.app/extern/engines/python”
نصب Python setup.py را نصب کنید

  • نوت بوک Jupyter را شروع کنید

cd your_working_directory
نوت بوک jupyter

پس از راه اندازی ، اکنون باید گزینه ای برای Matlab و Python وجود داشته باشد.

نشانه گذاری

نوت بوک Jupyter هنگام نوشتن نشانه گذاری مفید است و وقتی می خواهید توضیحی شفاف یا دقیق از یک قطعه کد ، نوشتن اسناد یا دیکشنری برای یک مجموعه داده خاص ارائه دهید ، بسیار مفید است..
کد زیر را در دفترچه یادداشت تایپ کنید.

* [پاندا] (# پاندا),
برای تجزیه و تحلیل داده ها استفاده می شود
* [ناپلی] (# مبهم),
برای تجزیه و تحلیل عددی استفاده می شود
* [Matplotlib] (# matplotlib),
برای تجسم داده ها استفاده می شود

خروجی باید به شرح زیر باشد؛

اسکریپت های Bash

نوت بوک های Jupyter اجازه می دهد تا از اسکریپت bash با استفاده از دستور٪٪ bash magic استفاده کنید.

برای آزمایش ، بگذارید یک پوشه در فهرست کار فعلی شما ایجاد کنیم. کد زیر را در یک سلول نوت بوک تایپ کنید.

٪٪ bash
mkdir Test_Folder

کد را اجرا کنید ، اکنون با وارد کردن کد ، فهرست کار خود را بررسی کنید

٪٪ bash
ls

خواهید دید که پوشه Test_Folderhas به آن اضافه شده است. همچنین می توانید به صورت فیزیکی به پوشه بروید تا بررسی شود.

تجسم داده ها

با استفاده از کتابخانه های پایتون مانند matplotlib ، می توانید تجسم داده ها را به صورت مستقیم در مرورگر خود اجرا و نمایش دهید.

بیایید سعی کنیم با استفاده از ماتپلولیت ، تجسم بسیار اساسی ایجاد کنیم.

ابتدا کتابخانه را وارد می کردیم

از pyplot واردات matplotlib به عنوان plt
٪ matplotlib بصورت آنلاین

سپس کدهای زیر را تایپ کنید

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

حتی جالب تر اینکه ما می توانیم تجسم سه بعدی انجام دهیم!!
ما ابتدا باید کتابخانه تجسم 3D را وارد کنیم

از واردات mpl_toolkits mplot3d
واردات numpy به عنوان np

سپس یک پروژکتور سه بعدی ایجاد کنید

fig = plt.figure ()
ax = plt.axes (طرح ریزی = ‘3D’)

خروجی ما باید به این شکل باشد

طرح سه بعدی
اکنون اسکریپت های زیر را اجرا کنید.

def f (x، y):
بازگشت 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 (طرح ریزی = ‘3D’)
ax.plot_surface (X، Y، Z، rstride = 1، cstride = 1),
cmap = ‘viridis’، edgecolor = ‘هیچ’)
ax.set_title (‘سطح’)؛

نمودار رسم شده 3D

یادداشت های ریاضی و علمی

ما می توانیم از ابزارهایی مانند لاتکس درست در معادلات ریاضی و علمی از نوع نوت بوک Jupyter استفاده کنیم.

LaTeX یک سیستم حروفچینی با کیفیت بالا است. این شامل ویژگی های طراحی شده برای تولید اسناد فنی و علمی است. در اینجا می توانید اطلاعات بیشتری در مورد لاتکس کسب کنید اینجا. بیایید سعی کنیم برخی از کدهای ساده LaTex را اجرا کنیم.
دستورات LaTex زیر را تایپ کنید

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

خروجی باید از این نوع باشد

نتیجه

این مقاله فقط سطح آنچه را می توان با استفاده از آن به دست آورد خراشیده است نوت بوک های Jupyter. شما می توانید بیشتر نمونه های موجود در این مقاله را در این نوت بوک Jupyter که من ایجاد کردم پیدا کنید در اینجا با همکاری

برچسب ها:

  • پایتون

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