Upang magsimula ng isang Jupyter notebook nang lokal, kailangan mong sundin ang ilang hakbang. Ang Jupyter notebook ay isang open-source na web application na nagbibigay-daan sa iyong gumawa at magbahagi ng mga dokumento na naglalaman ng live code, equation, visualization, at narrative text. Ito ay malawakang ginagamit sa larangan ng Artificial Intelligence (AI) at machine learning para sa interactive na data exploration, prototyping, at development.
Narito ang isang detalyadong gabay sa kung paano magsimula ng isang Jupyter notebook nang lokal:
1. I-install ang Python: Bago magsimula sa Jupyter notebook, kailangan mong i-install ang Python sa iyong lokal na makina. Sinusuportahan ng Jupyter notebook ang Python 2.x at Python 3.x. Maaari mong i-download ang pinakabagong bersyon ng Python mula sa opisyal na website ng Python at sundin ang mga tagubilin sa pag-install na partikular sa iyong operating system.
2. I-install ang Jupyter: Kapag na-install na ang Python, maaari kang magpatuloy sa pag-install ng Jupyter notebook. Magbukas ng command prompt o terminal at patakbuhin ang sumusunod na command:
pip install jupyter
Ang utos na ito ay magda-download at mag-i-install ng Jupyter notebook kasama ang mga dependencies nito.
3. Ilunsad ang Jupyter notebook: Pagkatapos makumpleto ang pag-install, maaari mong ilunsad ang Jupyter notebook sa pamamagitan ng pagpapatakbo ng sumusunod na command sa command prompt o terminal:
jupyter notebook
Sisimulan nito ang Jupyter notebook server at magbubukas ng bagong tab sa iyong default na web browser.
4. Gumawa ng bagong notebook: Sa Jupyter notebook interface, makakakita ka ng file browser kung saan maaari kang mag-navigate sa direktoryo kung saan mo gustong gawin ang iyong bagong notebook. Upang lumikha ng bagong notebook, mag-click sa "Bago" na buton at piliin ang "Python 3" (o anumang iba pang kernel na gusto mo) mula sa dropdown na menu. Magbubukas ito ng bagong notebook na may walang laman na cell.
5. Sumulat at magsagawa ng code: Sa notebook, maaari kang magsulat at mag-execute ng Python code sa mga indibidwal na cell. Ang bawat cell ay maaaring i-edit sa pamamagitan ng pag-double click dito. Upang magsagawa ng cell, maaari mong pindutin ang Shift + Enter o i-click ang "Run" na button sa toolbar. Ang output ng code ay ipapakita sa ibaba ng cell.
6. I-save at i-export: Habang gumagawa ka sa iyong notebook, tiyaking regular na i-save ang iyong mga pagbabago sa pamamagitan ng pag-click sa button na "I-save" o pagpindot sa Ctrl + S. Maaari mo ring i-export ang iyong notebook sa iba't ibang format tulad ng HTML, PDF, o Markdown sa pamamagitan ng pagpili sa "File" > "I-download bilang" mula sa menu.
7. I-shut down ang notebook: Kapag tapos ka nang magtrabaho sa notebook, maaari mong i-shut down ang Jupyter notebook server sa pamamagitan ng pagbabalik sa command prompt o terminal kung saan ito inilunsad at pagpindot sa Ctrl + C. Ihihinto nito ang server at magbakante ng mga mapagkukunan ng system.
Sa pamamagitan ng pagsunod sa mga hakbang na ito, maaari kang magsimula ng isang Jupyter notebook nang lokal at simulan ang iyong AI at machine learning na mga proyekto. Nagbibigay ang Jupyter notebook ng isang malakas at interactive na kapaligiran para sa pagsusuri ng data, pagbuo ng modelo, at pag-eeksperimento.
Iba pang kamakailang mga tanong at sagot tungkol sa EITC/AI/GCML Google Cloud Machine Learning:
- Ano ang text to speech (TTS) at kung paano ito gumagana sa AI?
- Ano ang mga limitasyon sa pagtatrabaho sa malalaking dataset sa machine learning?
- Magagawa ba ng machine learning ang ilang dialogic na tulong?
- Ano ang TensorFlow playground?
- Ano ba talaga ang ibig sabihin ng mas malaking dataset?
- Ano ang ilang halimbawa ng mga hyperparameter ng algorithm?
- Ano ang pag-aaral ng ensemble?
- Paano kung ang napiling machine learning algorithm ay hindi angkop at paano makasigurado na piliin ang tama?
- Kailangan ba ng isang machine learning model ang pangangasiwa sa panahon ng pagsasanay nito?
- Ano ang mga pangunahing parameter na ginagamit sa mga algorithm na nakabatay sa neural network?
Tingnan ang higit pang mga tanong at sagot sa EITC/AI/GCML Google Cloud Machine Learning