Create and Share Analytics with Jupyter Notebooks

تاریخ: ۲۱:۵۴:۲۰ ۱۳۹۹/۵/۶ دوشنبه
توسط: MotoMan
امتیاز: ۰
تعداد بازدید: ۱۳۹
دیدگاه ها: ۰
برچسب ها: data | Python | Data Mining | Video |
دوره ویدیویی Create and Share Analytics with Jupyter Notebooks
Pluralsight
Janani Ravi
2019
2h 12m
English

زبان برنامه نویسی پایتون، بیشتر به این دلیل که تجزیه و تحلیل و کار با داده‌ها را به شدت آسان کرده است، در سال‌های اخیر به شدت محبوب شده است. Jupyter به جای یک IDE تمام عیار یک محیط اجرایی است، اما با این وجود، notebook‌ها دارای چندین قابلیت مهم هستند که ارزش درک کامل را دارند. در دوره ویدیویی Create and Share Analytics with Jupyter Notebooks موسسه Pluralsight که توسط Janani Ravi تدریس شده است، یاد می‌گیرید که چگونه نوتبوک‌های Jupyter با ارائه یک محیط تعاملی بسیار بصری و تعاملی برای اجرای برنامه‌های پایتون، عامل اصلی محبوبیت پایتون هستند.

ابتدا یاد می‌گیرید که چگونه با نوتبوک‌های Jupyter شروع به کار کنید و چگونه می‌توانید از ویژگی‌های آن مانند markdown برای تقویت خوانایی کد خود استفاده کنید. در ادامه، خواهید فهمید که چگونه قابلیت‌های پیشرفته‌تری مانند توابع جادویی کار می‌کنند و چگونه نسل بعدی Jupyter به نام JupyterLab، حتی بیشتر به سمت یک محیط توسعه تمام عیار پیش می‌رود. در پایان، شما می‌توانید دانش خود را با کار با notebook‌های Jupyter میزبانی شده ابری بر روی سکو‌های ابری بزرگ، کامل کنید. وقتی که این دوره را تمام کردید، شما مهارت‌ها و دانش لازم را برای بکارگیری تمام قدرت notebook‌های Jupyter و Jupyterlab را در اختیار خواهید داشت، به خصوص در زمینه notebook‌های میزبانی شده ابری برای موارد استفاده توزیع شده و مشارکتی.


فیلم آموزشی «ایجاد و به اشتراک گذاری تجزیه و تحلیل‌ها با نوتبوک‌های Jupyter» موسسه پلورال سایت که توسط Janani Ravi تدریس شده است، دارای زیرنویس انگلیسی است.

 

Table of Contents:
Course Overview
- Course Overview
Getting Started with Jupyter Notebooks
- Module Overview
- Prerequisites and Course Outline
- Introducing Jupyter Notebooks
- Demo: Windows - Installing Anaconda and Jupyter Notebooks
- Demo: Windows - Installing Jupyter Notebooks Using Pip
- Demo: MacOS - Installing Anaconda and Jupyter Notebooks
- Demo: MacOS - Installing Anaconda and Jupyter Notebooks Using the Command Line Installer
- Demo: Running Jupyter Notebooks and Jupyter Lab in Docker Containers
- Demo: MacOS - Installing Jupyter Lab Using Pip
- Module Summary
Understanding Jupyter Notebooks
- Module Overview
- Demo: Exploring the Notebook Interface
- Demo: Restarting the Kernel
- Demo: Customizing Shortcuts
- Demo: Notebook Limits and Shutting down Kernels
- Demo: Using Python 2 and Python 3 Kernels
- Demo: Using R and Python 3 Kernels
- Demo: Exploring Line and Cell Magic Commands
- Module Summary
Creating Shareable Analyses in Jupyter Notebooks
- Module Overview
- Demo: Analyzing and Visualizing Data
- Demo: Exploring Interactive Widgets
- Demo: Adding Interactivity to Custom Functions
- Demo: Save, Checkpoint, and Export Notebooks
- Demo: Share Notebooks on Github
- Module Summary
Working with Cloud-hosted Jupyter Notebooks
- Module Overview
- Running Hosted Jupyter Notebooks on the Cloud
- Demo: Creating and Working with Notebook Instances on Amazon SageMaker
- Demo: Uploading Notebooks to SageMaker and Using the Terminal Window
- Demo: Exploring and Working with Azure Notebooks
- Demo: Hosted Notebooks on a GCP Deep Learning Virtual Machine
- Demo: Uploading Files and Running Code on GCP
- Summary and Further Study
like می پسندم
dislike به درد نمی خوره
مطالب مشابه
دیدگاه ها
  • اولین نفری باشید که نظری می دهید!
loading...

لطفا منتظر بمانید...