Jupyter & Google Colab
Notebooki Jupyter, markdown, magic commands, Google Colab, GPU, współpraca, best practices
1Czym jest notebook Jupyter?
Czym jest notebook Jupyter?
Odpowiedź
Notebook Jupyter to interaktywny dokument łączący wykonywalny kod, sformatowany tekst (Markdown), wizualizacje i wyniki w interfejsie webowym. Format .ipynb (IPython Notebook) przechowuje treść jako JSON, co ułatwia udostępnianie kodu i wyników. Nazwa Jupyter pochodzi od Julia, Python i R, trzech języków początkowo obsługiwanych.
2Jakie są dwa główne typy komórek w notebooku Jupyter?
Jakie są dwa główne typy komórek w notebooku Jupyter?
Odpowiedź
Notebooki Jupyter zawierają głównie komórki Code do wykonywania kodu Python i komórki Markdown do sformatowanego tekstu. Komórki Code pozwalają na uruchamianie kodu i bezpośrednie wyświetlanie wyników. Komórki Markdown obsługują formatowanie, nagłówki, listy, łącza, a nawet wzory LaTeX do dokumentowania pracy.
3Jak wykonać komórkę w notebooku Jupyter?
Jak wykonać komórkę w notebooku Jupyter?
Odpowiedź
Skrót Shift+Enter to standardowy sposób na wykonanie komórki w Jupyterze. Ten skrót uruchamia aktywną komórkę i automatycznie przechodzi do następnej. Można również użyć Ctrl+Enter, aby wykonać bez przechodzenia, lub przycisku Run na pasku narzędzi. Te skróty działają w Jupyter Notebook, JupyterLab i Google Colab.
Który magic command mierzy czas wykonania pojedynczej linii kodu?
Jaka jest różnica między trybami Edit i Command w Jupyterze?
+13 pytań z rozmów
Inne tematy rekrutacyjne Data Science & ML
Podstawy Pythona
Programowanie Obiektowe w Pythonie
Struktury danych Python
Podstawy Git
Podstawy SQL
Podstawy NumPy
Podstawy Pandas
SQL Joins i zaawansowane zapytania
Zaawansowany Pandas
Wizualizacja z Matplotlib & Seaborn
Interaktywne wizualizacje z Plotly
Statystyka opisowa
Statystyka inferencyjna
Web Scraping
BigQuery & Cloud Data
Feature Engineering
Uczenie nadzorowane: Regresja
Uczenie nadzorowane: Klasyfikacja
Drzewa Decyzyjne i Ensembles
ML Nienadzorowane
Pipeline'y ML i walidacja
Szeregi czasowe i prognozowanie
Podstawy Deep Learning
TensorFlow & Keras
CNN i klasyfikacja obrazów
RNN i Sekwencje
Transformers i Attention
NLP i Hugging Face
GenAI i LangChain
MLOps i Wdrożenie
Opanuj Data Science & ML na następną rozmowę
Uzyskaj dostęp do wszystkich pytań, flashcards, testów technicznych, ćwiczeń code review i symulatorów rozmów.
Zacznij za darmo