Jupyter & Google Colab
Notebooks Jupyter, markdown, magic commands, Google Colab, GPU, collaboration, best practices
1Qu'est-ce qu'un notebook Jupyter ?
Qu'est-ce qu'un notebook Jupyter ?
Réponse
Un notebook Jupyter est un document interactif qui combine du code exécutable, du texte formaté (Markdown), des visualisations et des résultats dans une interface web. Le format .ipynb (IPython Notebook) stocke le contenu en JSON, ce qui permet de partager facilement le code et ses résultats. Le nom Jupyter vient de Julia, Python et R, les trois langages initialement supportés.
2Quels sont les deux principaux types de cellules dans un notebook Jupyter ?
Quels sont les deux principaux types de cellules dans un notebook Jupyter ?
Réponse
Les notebooks Jupyter contiennent principalement des cellules Code pour exécuter du code Python et des cellules Markdown pour le texte formaté. Les cellules Code permettent d'exécuter du code et d'afficher les résultats directement. Les cellules Markdown supportent la mise en forme, les titres, les listes, les liens et même les formules LaTeX pour documenter le travail.
3Comment exécuter une cellule dans un notebook Jupyter ?
Comment exécuter une cellule dans un notebook Jupyter ?
Réponse
Le raccourci Shift+Enter est le moyen standard d'exécuter une cellule dans Jupyter. Ce raccourci exécute la cellule active et passe automatiquement à la suivante. Il est aussi possible d'utiliser Ctrl+Enter pour exécuter sans avancer, ou le bouton Run dans la barre d'outils. Ces raccourcis fonctionnent à la fois dans Jupyter Notebook, JupyterLab et Google Colab.
Quelle magic command permet de mesurer le temps d'exécution d'une ligne de code ?
Quelle est la différence entre les modes Edit et Command dans Jupyter ?
+13 questions d'entretien
Autres sujets d'entretien Data Science & ML
Les bases de Python
Programmation Orientée Objet Python
Structures de données Python
Fondamentaux Git
Les bases de SQL
Fondamentaux NumPy
Les bases de Pandas
SQL Joins & Requêtes avancées
Pandas avancé
Visualisation avec Matplotlib & Seaborn
Visualisations interactives avec Plotly
Statistiques descriptives
Statistiques inférentielles
Web Scraping
BigQuery & Cloud Data
Feature Engineering
ML Supervisé : Régression
ML Supervisé : Classification
Arbres de décision & Ensembles
ML Non supervisé
Pipelines ML & Validation
Séries temporelles & Prévisions
Fondamentaux Deep Learning
TensorFlow & Keras
CNN & Classification d'images
RNN & Séquences
Transformers & Attention
NLP & Hugging Face
GenAI & LangChain
MLOps & Déploiement
Maîtrise Data Science & ML pour ton prochain entretien
Accède à toutes les questions, flashcards, tests techniques, exercices de code review et simulateurs d'entretien.
Commencer gratuitement