Jupyter & Google Colab
Notebooks Jupyter, markdown, magic commands, Google Colab, GPU, colaboração, best practices
1O que é um notebook Jupyter?
O que é um notebook Jupyter?
Resposta
Um notebook Jupyter é um documento interativo que combina código executável, texto formatado (Markdown), visualizações e resultados em uma interface web. O formato .ipynb (IPython Notebook) armazena o conteúdo como JSON, facilitando o compartilhamento do código e seus resultados. O nome Jupyter vem de Julia, Python e R, as três linguagens inicialmente suportadas.
2Quais são os dois tipos principais de células em um notebook Jupyter?
Quais são os dois tipos principais de células em um notebook Jupyter?
Resposta
Os notebooks Jupyter contêm principalmente células Code para executar código Python e células Markdown para texto formatado. As células Code permitem executar código e exibir os resultados diretamente. As células Markdown suportam formatação, títulos, listas, links e até fórmulas LaTeX para documentar o trabalho.
3Como executar uma célula em um notebook Jupyter?
Como executar uma célula em um notebook Jupyter?
Resposta
O atalho Shift+Enter é a forma padrão de executar uma célula no Jupyter. Esse atalho executa a célula ativa e passa automaticamente para a próxima. Também é possível usar Ctrl+Enter para executar sem avançar, ou o botão Run na barra de ferramentas. Esses atalhos funcionam no Jupyter Notebook, JupyterLab e Google Colab.
Qual magic command mede o tempo de execução de uma linha de código?
Qual é a diferença entre os modos Edit e Command no Jupyter?
+13 perguntas de entrevista
Outros temas de entrevista Data Science & ML
Fundamentos de Python
Programação Orientada a Objetos em Python
Estruturas de dados em Python
Fundamentos do Git
Fundamentos de SQL
Fundamentos de NumPy
Fundamentos de Pandas
SQL Joins e consultas avançadas
Pandas avançado
Visualização com Matplotlib & Seaborn
Visualizações interativas com Plotly
Estatística descritiva
Estatística inferencial
Web Scraping
BigQuery & Cloud Data
Feature Engineering
ML Supervisionado: Regressão
ML Supervisionado: Classificação
Árvores de Decisão e Ensembles
ML Não Supervisionado
Pipelines ML e Validação
Séries Temporais e Previsão
Fundamentos de Deep Learning
TensorFlow & Keras
CNN e classificação de imagens
RNN e Sequências
Transformers e Attention
NLP e Hugging Face
GenAI e LangChain
MLOps e Implantação
Domine Data Science & ML para sua proxima entrevista
Acesse todas as perguntas, flashcards, testes tecnicos, exercicios de code review e simuladores de entrevista.
Comece gratis