AI培训班课程学习工具推荐：Jupyter

AI培训班课程学习工具推荐：Jupyter JupyterNotebook简介 JupyterNotebook是一种开源的Web应用程序，原名IPythonNotbook，是IPython的加强网页版，名字源自Julia、Python和R（数据科学的三种开源语言）。它允许用户创建和共享包含实时代码、方程、可视化和解释性文本的文档，将实时运行的代码、叙事性的文本和可视化整合在一起，方便使用代码和数据来讲述故事，在数据科学、机器学习、深度学习等领域得到广泛应用。 JupyterNotebook在AI学习中的优势 交互式学习体验 学习者可以在同一个文档中编写代码、运行代码并查看结果，还能添加解释性文本，边学边练，逐步理解代码的每个部分如何与实际的训练和预测过程相对应，极大地提高了学习和教学效率。 支持多语言 虽然对Python的支持最为出色，但也支持多种其他编程语言，为学习者提供了更多的选择。 便于代码展示与分享 可以将代码、运行结果、图表和文字说明整合在一个文档中，方便向团队或领导阐述想法，也便于与其他学习者交流分享。 数据可视化 能够直接在文档中生成各种类型的图表，如折线图、饼图、柱状图等，帮助学习者更直观地理解数据和模型的性能。 JupyterNotebook相关课程资源 dl.ai 深度学习课程 该课程为学习者提供了一套全面的深度学习课程资源，课程资源被有序地组织在压缩包子文件Dive - Into - Deep - Learning - master中，包含大量的JupyterNotebook文件，每个Notebook对应课程的一个章节或特定主题，如线性回归、多层感知机、卷积神经网络等。学习者通过阅读和操作这些Notebook，可以在实践中提升对深度学习的理解和应用能力。 ZekeLabs机器学习入门资料 这是一个面向初学者的机器学习入门资料，基于JupyterNotebook，涵盖从Numpy、Pandas到模型选择的节课程，以及线性回归、癌症预测等个经典案例研究，有助于初学者逐步掌握机器学习的基础知识和技能。 JupyterNotebook的安装与使用 安装方式 可以通过Anaconda来安装JupyterNotebook，Anaconda相当于一个集成工具包，里面除了包含JupyterNotebook外还可以包含其他各种工具，其安装特别简单，并且会自动配置Python和JupyterNotebook。安装好后在Windows的开始菜单找到Anaconda Navigator，打开它，点击JupyterNotebook下面的launch即可启动。 基本操作 启动JupyterNotebook后，会自动弹出浏览器窗口打开其界面。通过点击右上角的“new”下面的Python来创建一个新的文档，在文档中可以编写Python代码，点击“run”就可以执行代码，点击左上角的保存按钮可以将文档保存起来。 Jupyter相关辅助工具——JupyterAI 功能特点 Jupyter宣布推出的免费开源AI助手JupyterAI，是用LangChain打造的。相比于VSCode里的Copilot，它支持的大模型更多，除了ChatGPT和Claude之外，还有来自AWS、Cohere等厂商的模型，甚至只要有API，HuggingFace上的模块它都能调用。其安装简单、使用方便，无需排队、支持中文prompt，配置也更为简便，支持的程序也不只是Jupyter自己，只要环境支持notebook或IPython就可以用，VSCode也包括在内。 使用方法 安装好带AI插件的JupyterLab并打开之后，新建一个笔记文件，输入「50%load_ext jupyter_ai」对插件进行加载，然后对API key进行配置，以ChatGPT为例，使用的命令是「50%env OPENAI_API_KEY=(填入OpenAI的API key)」，其他大模型的配置方法也类似。完成配置后，输入格式为「50%50%ai 模型名称 –format=(code/math/html/image…)」，其中任务用中文描述即可，format参数也可以不输入。 实际应用 可以帮助进行算法编写、自然语言处理、机器学习、深度学习等任务，还能生成LaTex公式、SVG图形、网页等内容，在Python绘图方面表现出色，能够生成各种类型的图表，也可以帮助开发小游戏，还能进行代码调试，发现和解释错误，并提供修改建议。 免费在线Jupyter平台 对于深度学习练习和小型项目，有一些免费的在线Jupyter平台可供选择，如kaggle、colab，以及阿里天池和Cocalc等。这些平台提供免费GPU资源，使用类似Jupyter的交互界面，无需担心环境配置问题，打开即可用，但要注意使用时间和数据保存（过长时间不用会清空用户的一切数据），其中colab由于其稳定性和丰富功能更受推荐。