LabEx VMのJupyterインターフェイス

​

Jupyterインターフェイスのプレビュー

Jupyter環境は、以下の場合に特に役立ちます。

1. Pythonライブラリ（Pandas、Matplotlibなど）を使用したデータ分析と可視化プロジェクト
2. 機械学習と深層学習の実験
3. 即時フィードバック付きの対話型コード実行
4. コードとマークダウンを組み合わせた文書化されたワークフローの作成
5. 説明と実行可能な例が含まれる教育用コンテンツ

​

インターフェイスにアクセスする方法

1. Jupyter対応のラボを起動した後、ページ上部の「Notebook」タブをクリックします。
2. Jupyterインターフェイスが完全に読み込まれるのを待ちます。
3. ブラウザにご覧の通り、Jupyter Notebookのインターフェイスが表示されます。

​

インターフェイスのレイアウト

Jupyterインターフェイスは、いくつかの重要なコンポーネントで構成されています。

1. メインワークエリア：
   • ノートブックセル（コードとマークダウン）
   • 出力表示
   • 一般的な操作を備えたツールバー
2. 上部メニューバー：
   • ファイル操作
   • セル操作
   • カーネルコントロール

​

ノートブックの操作方法

​

セルの種類

1. コードセル：
   • Pythonコードを記述して実行します。
   • セルの直下に出力を表示します。
   • Shift+Enterを押して実行します。

2. マークダウンセル：
   • 作業を文書化します。
   • 説明とメモを追加します。
   • LaTeXを使用して数学方程式をサポートします。

​

一般的な操作

1. 新しいセルを作成する：
   • ツールバーの + ボタンをクリックします。
   • キーボードショートカットB（下）またはA（上）を使用します。
2. セルを実行する：
   • 再生ボタンをクリックします。
   • Shift+Enterを使用します。
   • セルメニューオプションを使用します。
3. セルの種類を変更する：
   • ツールバーのドロップダウンを使用します。
   • キーボードショートカット：Y（コード）、M（マークダウン）

​

使用シナリオ

import pandas as pd
import matplotlib.pyplot as plt

# データを読み込む
df = pd.read_csv('data.csv')

# 可視化を作成する
plt.figure(figsize=(10, 6))
df['column'].plot(kind='bar')
plt.title('Data Visualization')
plt.show()

from sklearn.model_selection import train_test_split
from sklearn.linear_model import LogisticRegression

# データを分割する
X_train, X_test, y_train, y_test = train_test_split(X, y)

# モデルを学習する
model = LogisticRegression()
model.fit(X_train, y_train)

# 評価する
score = model.score(X_test, y_test)
print(f"Model accuracy: {score:.2f}")

​

よくある質問

!pip install package-name