LabEx VM Jupyter インターフェース

​

Jupyter インターフェースのプレビュー

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. 機械学習および深層学習の実験
3. 即時フィードバックによるインタラクティブなコード実行
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を含む教育コンテンツ

​

インターフェースへのアクセス

1. Jupyter 対応ラボを開始した後、ページ上部の「Notebook」タブをクリックします
2. Jupyter インターフェースが完全に読み込まれるまで待ちます
3. 使い慣れた Jupyter Notebook インターフェースがブラウザに表示されます

​

インターフェースレイアウト

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
   • 一般的なアクションを含むツールバー
2. トップメニューバー:
   • ファイル操作
   • セルの操作
   • カーネルコントロール

​

ノートブックの操作

​

セルの種類

1. コードセル：
   • Python コードを記述して実行する
   • セルのすぐ下に表示される出力を表示する
   • Shift+Enter を使用して実行する
   
2. マークダウンセル：
   • 作業を文書化する
   • 説明とメモを追加する
   • LaTeX を使用した数式をサポートする

​

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

# Read data
df = pd.read_csv('data.csv')

# Create visualization
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

# Split data
X_train, X_test, y_train, y_test = train_test_split(X, y)

# Train model
model = LogisticRegression()
model.fit(X_train, y_train)

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

​

よくある質問

!pip install package-name