Pular para o conteúdo principal

Visualização da Interface Jupyter

Jupyter Preview O ambiente Jupyter é particularmente útil para:
  1. Projetos de análise e visualização de dados usando bibliotecas Python (Pandas, Matplotlib, etc.)
  2. Experimentos de aprendizado de máquina e aprendizado profundo
  3. Execução interativa de código com feedback imediato
  4. Criação de fluxos de trabalho documentados combinando código e markdown
  5. Conteúdo educacional com explicações e exemplos executáveis

Acessando a Interface

  1. Após iniciar um laboratório habilitado para Jupyter, clique na aba “Notebook” na parte superior da página
  2. Aguarde a interface Jupyter carregar completamente
  3. Você verá a familiar interface Jupyter Notebook em seu navegador
Notebook Tabs

Layout da Interface

A interface Jupyter consiste em vários componentes-chave:
  1. Área de Trabalho Principal: Main Work Area
    • Células de notebook (código e markdown)
    • Exibição de saída
    • Barra de ferramentas com ações comuns
  2. Barra de Menu Superior: Top Menu Bar
    • Operações de arquivo
    • Manipulação de células
    • Controles do kernel

Trabalhando com Notebooks

Tipos de Células

  1. Células de Código:
    • Escreva e execute código Python
    • Visualize a saída diretamente abaixo da célula
    • Use Shift+Enter para executar
    Code Cell
  2. Células Markdown:
    • Documente seu trabalho
    • Adicione explicações e notas
    • Suporte a equações matemáticas usando LaTeX

Operações Comuns

  1. Crie novas células:
    • Clique no botão + na barra de ferramentas
    • Use o atalho de teclado B (abaixo) ou A (acima)
  2. Execute células:
    • Clique no botão play
    • Use Shift+Enter
    • Use as opções do menu Célula
  3. Mude o tipo de célula:
    • Use o menu suspenso na barra de ferramentas
    • Atalhos de teclado: Y (código), M (markdown)

Cenários de Uso

100 Exercícios Pandas

Este é um exemplo de laboratório de análise de dados que cobre 100 exercícios usando o Pandas.
Trabalhando com dados no Jupyter:
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()
A saída aparece diretamente abaixo da célula de código, facilitando a iteração em sua análise.

Comparação de Classificadores Scikit-Learn

Este é um exemplo de laboratório de aprendizado de máquina que compara diferentes classificadores usando Scikit-Learn.
Exemplo de fluxo de trabalho de aprendizado de máquina:
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}")

Perguntas Frequentes

Você pode instalar pacotes adicionais usando pip em uma célula de código:
!pip install package-name
Lembre-se que as instalações são temporárias e serão redefinidas quando sua sessão terminar.
Atalhos Jupyter importantes:
  • Execução de Célula
    • Executar Célula: Shift+Enter
    • Executar Célula e Inserir Abaixo: Alt+Enter
  • Operações de Célula
    • Inserir Célula Acima: A
    • Inserir Célula Abaixo: B
    • Excluir Célula: D,D (pressione duas vezes)
    • Copiar Célula: C
    • Colar Célula: V
  • Tipos de Célula
    • Célula de Código: Y
    • Célula Markdown: M
  • Outros
    • Salvar Notebook: Ctrl+S
    • Paleta de Comandos: Ctrl+Shift+P
Pressione H para ver todos os atalhos.
Os notebooks educacionais no LabEx são diferentes do conteúdo regular do laboratório:
  1. O conteúdo é apresentado diretamente no notebook
  2. Nenhuma verificação passo a passo está disponível devido à natureza do Jupyter
  3. Você aprende por:
    • Lendo explicações em células markdown
    • Executando código de exemplo
    • Modificando o código para experimentar
    • Completando exercícios dentro do notebook
Este formato permite uma experiência de aprendizado mais interativa e autoguiada.
I