Jupyter & Google Colab
Jupyter notebooks, markdown, magic commands, Google Colab, GPU, samenwerking, best practices
1Wat is een Jupyter notebook?
Wat is een Jupyter notebook?
Antwoord
Een Jupyter notebook is een interactief document dat uitvoerbare code, opgemaakte tekst (Markdown), visualisaties en outputs combineert in een webinterface. Het .ipynb-formaat (IPython Notebook) slaat inhoud op als JSON, waardoor het delen van code en resultaten eenvoudig wordt. De naam Jupyter komt van Julia, Python en R, de drie aanvankelijk ondersteunde talen.
2Wat zijn de twee belangrijkste celtypen in een Jupyter notebook?
Wat zijn de twee belangrijkste celtypen in een Jupyter notebook?
Antwoord
Jupyter notebooks bevatten voornamelijk Code-cellen voor het uitvoeren van Python-code en Markdown-cellen voor opgemaakte tekst. Code-cellen maken het uitvoeren van code en het direct weergeven van resultaten mogelijk. Markdown-cellen ondersteunen opmaak, kopjes, lijsten, links en zelfs LaTeX-formules om het werk te documenteren.
3Hoe voer je een cel uit in een Jupyter notebook?
Hoe voer je een cel uit in een Jupyter notebook?
Antwoord
De sneltoets Shift+Enter is de standaardmanier om een cel uit te voeren in Jupyter. Deze sneltoets voert de actieve cel uit en gaat automatisch naar de volgende. Je kunt ook Ctrl+Enter gebruiken om uit te voeren zonder verder te gaan, of de Run-knop in de werkbalk. Deze sneltoetsen werken in Jupyter Notebook, JupyterLab en Google Colab.
Welk magic command meet de uitvoeringstijd van een enkele regel code?
Wat is het verschil tussen Edit- en Command-modi in Jupyter?
+13 gespreksvragen
Andere Data Science & ML-sollicitatieonderwerpen
Python-basisbeginselen
Python Objectgeoriënteerd Programmeren
Python-datastructuren
Git-Fundamenten
SQL-basisbeginselen
NumPy-grondbeginselen
Pandas-basis
SQL Joins & geavanceerde queries
Geavanceerd Pandas
Visualisatie met Matplotlib & Seaborn
Interactieve visualisaties met Plotly
Beschrijvende statistiek
Inferentiële statistiek
Web Scraping
BigQuery & Cloud Data
Feature Engineering
Supervised ML: Regressie
Supervised ML: Classificatie
Beslissingsbomen & Ensembles
Ongesuperviseerd ML
ML Pipelines & Validatie
Tijdreeksen & Voorspelling
Fundamenten van Deep Learning
TensorFlow & Keras
CNN en beeldclassificatie
RNN & Reeksen
Transformers & Attention
NLP & Hugging Face
GenAI & LangChain
MLOps en Deployment
Beheers Data Science & ML voor je volgende gesprek
Krijg toegang tot alle vragen, flashcards, technische tests, code review-oefeningen en gespreksimulatoren.
Begin gratis