Иван Лимар

Университет ИТМО

Несколько слов о Jupyter Notebook

Jupyter Notebook – интерактивный блокнот, с помощью которого можно составить отчёт, содержащий текст с математическими вставками, программный код и в котором отображается результат исполнения кода (“печатающие” и “рисующие” функции). Весьма удобен для выполнения учебных и не только работ.

Установка и запуск

  • Online. Например, Google Colaboratory. Здесь ничего устанавливать не нужно и запуск производится через веб-интерфейс.
  • Если на вашем ПК есть Python, то Jupyter Notebook можно установить через pip. Запуск – через консоль.
    • NB: для каждой конкретной задачи стоит устанавливать и настраивать свой Python, чтобы не сбились зависимости
  • Это далеко не все, можно устанавливать через другие менеджеры пакетов или дистрибутивы, например, Conda и Anaconda соответственно. Запуск – через консоль или GUI-интерфейс соответственно.

О файле типа .ipynb

Исходники представляют блоков двух типов:

  • текстовые в формате Markdown – облегченный язык разметки текста (например, контент этого сайта набран как раз с его помощью),
  • исполняемый код (Python, R, etc.).

Кратко о Markdown

Весь базовый синтаксис может быть описан в виде следующей схемы:

# First level title

## Second level title

Indent

Another indent. *Italic text*. **Bold text**.
***Bold and italic text***. [Some site](https://example.com)

- First simple bulleted list entry
- Second simple bulleted list entry

1. First simple numbered list entry
2. Second simple numbered list entry

- Nested bulleted list example
    - Nested bulleted list example

Более детально детально с синтаксисом Markdown также можно ознакомиться здесь.

Также внутри Markdown-блока можно делать LaTeX-вставки:

  • inline example: Some text $a^2 + b^2 = c^2$
  • display math:
Some content

$$Some complicated expression$$

Some content

Несколько слов о LaTeX можно прочитать на соответствующей странице.

Полезные модули для Python

Могут быть полезными следующие модули:

  • NumPy. Для численных вычислений, в частности, удобен для работы с векторами.
  • SciPy. Включает в себя численные алгоритмы из различных областей математики.
  • Matplotlib. Для рисования различных графиков.
  • seaborn. Более гибкая библиотека для статистической визуализации.
  • Pandas. Для анализа и преобразования данных.
  • Несколько фрейморков для ML:

Пример

Тут можно посмотреть пример (будет модифицироваться со временем)