10 فریم‌ورک Jupyter Notebook در 10 روز

آنچه یاد خواهید گرفت:

• تاریخچه فریم‌ورک‌های مبتنی بر نوت‌بوک
• معرفی بیش از دوازده فریم‌ورک مبتنی بر نوت‌بوک
• چگونه از ویژگی‌های متوسط و پیشرفته Jupyter Notebook استفاده کنید؟
• رابط‌های کاربری سنتی Jupyter Lite، Jupyter Notebook و JupyterLab
• فریم‌ورک‌های مدرن مبتنی بر Jupyter مانند Hex، Datalore و Deepnote
• فریم‌ورک‌های ابری رایگان مبتنی بر نوت‌بوک با پشتیبانی از GPU مانند Google Colab و Amazon Studio Lab
• بوت‌کمپ زبان Markdown
• تولید داشبوردهای تعاملی و گزارش‌های ثابت از نوت‌بوک‌های Jupyter
• انجام تحلیل داده و یادگیری ماشین در نوت‌بوک‌های Jupyter

پیش نیازهای دوره

• برنامه‌نویسی اولیه در Python و SQL
• تجربه قبلی اختیاری در پایپ لاین های داده، تحلیل داده یا علم داده
• هیچ دانش قبلی در مورد محصولات یا فریم‌ورک‌های مبتنی بر Jupyter مورد نیاز نیست.

توضیحات دوره

این دوره عملی با کیفیت بالا به شما کمک می‌کند تا مبانی کار با نوت‌بوک‌های Jupyter را درک کنید. شما درباره تاریخچه پشت Jupyter Notebook و تمام محصولات مدرن امروزی که در واقع مبتنی بر این پروژه رایگان و متن‌باز هستند، خواهید آموخت. مدرس شما را با حداقل 10 اپلیکیشن مختلف آشنا می‌کند و اگر بخواهید در هر یک از آن‌ها متخصص شوید، به شما کمک می‌کند تا پیش بروید.

10 فریم‌ورک مبتنی بر Jupyter

• Jupyter Notebook - پروژه متن‌باز و رایگان مبتنی بر IPython که همه چیز را آغاز کرد.
• Project Jupyter - یک اکوسیستم از سایر اپلیکیشن‌های متن‌باز و رایگان پیرامون Jupyter Notebook، از جمله JupyterLab
• Anaconda Cloud - یک راهکار ابری رایگان مبتنی بر JupyterLab
• Amazon Studio Lab - یک راهکار ابری رایگان مبتنی بر GPU، به عنوان جایگزینی برای SageMaker تجاری اما معروف
• Google Colab - یک جایگزین کاربردی دیگر با ارائه GPU رایگان از گوگل
• Kaggle - شبکه اجتماعی جامع برای مسابقات علم داده
• Hex - مدرن‌ترین و شیک‌ترین رابط کاربری وب از بین تمام محصولات مبتنی بر Jupyter امروزی
• Deepnote - یک راهکار جالب دیگر میزبانی‌شده توسط شخص ثالث با ویجت‌های بدون کد در نوت‌بوک‌های Jupyter
• JetBrains Datalore - محیط ابری کاربردی مبتنی بر نوت‌بوک از شرکت سازنده ReSharper و PyCharm
• Snowflake Notebooks - زمانی که کد باید نزدیک‌تر به محل ذخیره‌سازی کلان‌داده‌ شما اجرا شود.

فصل آخر یک بوت‌کمپ سریع در زبان Markdown به شما ارائه می‌دهد. و در طول مسیر، با تاریخچه Jupyter و همچنین ده‌ها محصول دیگر مبتنی بر نوت‌بوک که در لیست قرار نگرفتند، آشنا خواهید شد.

یادگیری نوت‌بوک‌های Jupyter ممکن است آسان به نظر برسد. و اشتباه نکنید، شما نیاز به یادگیری در مورد آن‌ها دارید. با این حال، امروزه همگام شدن با انواع فریم‌ورک‌های پیشرفته و مدرن که از نوت‌بوک استفاده می‌کنند، واقعاً دشوار شده است. آن‌ها با ادغام‌های داده‌ای فراوان، ویجت‌های بدون کد، سازندگان اپلیکیشن، دستیاران هوش مصنوعی و سایر ویژگی‌های پیشرفته عرضه می‌شوند.

اجازه دهید مدرس در این حوزه به شما کمک کند تا در کمترین زمان دانش پایه و متوسط را در این زمینه کسب کنید.

این دوره برای چه کسانی مناسب است؟

• دانشمندان داده که به محیط بهتری برای آزمایش‌های خود نیاز دارند.
• تحلیل‌گران داده که می‌خواهند دانش خود را در مورد نوت‌بوک‌ها بیاموزند یا بهبود بخشند.
• برنامه‌نویسان و مهندسان نرم‌افزار که مایل به یادگیری روش متفاوتی برای ساخت اپلیکیشن‌ها هستند.
• مهندسان داده که مایل به بررسی در چگونگی ساخت پایپ لاین های داده با استفاده از نوت‌بوک‌ها هستند.
• هر فرد فنی و غیرفنی که تمایل به یادگیری در مورد نوت‌بوک‌های Jupyter دارد.
• هر کسی که مایل به بررسی در محصولات مدرن جدید امروزی مبتنی بر نوت‌بوک‌های Jupyter است.