Blog.

Jupyter Notebook per Data Science e Machine Learning | Guida Italiano


Autore
Andrea Provino
Data
Tempo di lettura
2 minuti
Categoria
Guide

jupyter-notebook-data-science-guida-italiano-come-installare

Un Jupyter notebook è un documento interattivo che ti consente di scrivere ed eseguire codice in chunks rispetto ai tradizionali sistemi basati sul concetto all-or-none.

In pratica hai delle caselle di testo definite celle in cui puoi scrivere codice, e che possono all’occorenza essere formattate per aggiungere testo informativo o equazioni matematiche.

Sono popolari in ambito data science e machine learning poiché consentono di eseguire in un unico documento tutti gli step necessari per completare un’analisi dati efficiente e produttiva.

Un documento supporta molteplici linguaggi di programmazione. Python è particolarmente comodo, consentendo di scrivere codice pulito, di facile lettura, condensando funzioni complesse in poche righe.

La nostra scelta.

Inoltre, cosa più importante, un jupyter notebook è facilmente condivisibile: la soluzione ideale per il nostro portfolio da data scientist.

Jupyter Notebook | Installazione

E’ sufficiente installare Anaconda, una distribuzione gratuita e open source dei linguaggi di programmazione Python e R.

E’ annoverata come la più popolare piattaforma di Data Science al mondo.

R è un’alternativa di Python, ma eccelle in situazioni che non ci riguardano.

Anaconda è disponbiile per Windows, MacOS e Linux.

Download Anaconda | Official WebSite

Seguendo procedure guidate di installazione, in pochi secondi il sistema è configurato.

Anaconda contiene tutto, quindi non sono necessari ulteriori Step.

Per avviare il server locale, occore digitare nel terminale:

jupyter notebook

Quindi usare il meno in altro a destra, selezionando New->Python 3

IBM Skills Network Lab | Online Method

In altenarnativa all’installazione è possibile usare Jupyter Notebook anche online, in Cloud.

A questo scopo esiste una piattaforma denominata IBM Skills Network Lab che mette a disposizione in modo gratuito decine di risorse per Data Science e Machine Learning tra cui:

  • JupyterLab
  • Zeppelin Noteoobk
  • RStudio IDE

Accedi ad IBM Skills Network Lab

Per il momento è tutto.

Un caldo abbraccio, Andrea.


Ultimi post

Patricia Merkle Trie

Il Practical Algorithm To Retrieve Information Coded In Alphanumeric Merkle Trie, o Patricia Merkle Trie è una struttura dati chiave-valore usatada Ethereum e particolarmente efficiente per il salvataggio e la verifica dell’integrità dell’informazione. In questo post ne studieremo le caratteristiche. Prima di procedere, ci conviene ripassare l’introduzione al Merkle Tree nella quale abbiamo chiarito il […]

Andrea Provino
ethereum-patricia-merkle-tree
Tree Data Structure: cos’è un Merkle Tree

Un Merkle Tree è una struttura dati efficiente per verificare che un dato appartenga a un insieme esteso di elementi. È comunemente impiegato nelle Peer to Peer network in cui la generazione efficiente di prove (proof) contribuisce alla scalabilità della rete. Capire i vantaggi di questa struttura ci tornerà utile nel nostro percorso di esplorazione […]

Andrea Provino
merkle-tree-cover
UTXO: come funziona il modello Unspent Transaction Outputs

Per tenere traccia dei bilanci utente, la blockchain di Bitcoin sfrutta un modello di contabilità definito UTXO o Unspent Transaction Outputs. In questo articolo ne esaminiamo le caratteristiche. Ogni blockchain è dotata di un sistema di contabilità, un meccanismo attraverso cui tenere traccia dei bilanci di ciascun utente. I due grandi modelli di riferimento nel […]

Andrea Provino
bitcoin-utxo
Cos’è Ethereum

Possiamo definire Ethereum come una macchina a stati distribuita che traccia le transizioni di un archivio dati general-purpose (i.e. una memoria in grado di registrare qualsiasi dato esprimibile come coppia di chiave e valore o key-value) all’interno della Ethereum Blockchain. È arrivato il momento di esplorare uno dei progetti tecnologici più innovativi e interessanti degli […]

Andrea Provino
ethereum