《Learning Jupyter》是Packt Publishing Ltd.出版的書籍，作者是Dan Toomey。
Jupyter Notebook（此前被稱為 IPython notebook）是一個互動式筆記本，支持運行 40 多種程式語言。Jupyter Notebook 的本質是一個 Web 應用程式，便於創建和共享程式文檔，支持實時代碼，數學方程，可視化和 markdown。 用途包括：數據清理和轉換，數值模擬，統計建模，機器學習等等。定義 用戶可以通過電子郵件，Drop...
3.3.1 Jupyter筆記本：運行深度學習實驗的首選方法 49 3.3.2 運行Keras：兩種選擇 50 3.3.3 在雲端運行深度學習任務：優點和缺點 50 3.3.4 深度學習的最佳GPU 50 3.4 電影評論分類：二分類問題 51 3.4.1 IMDB 數據集 51 3.4.2 準備數據 52 3.4.3 構建網路 52 3.4.4 驗證你的...
《動手學深度學習》旨在向讀者交付有關深度學習的互動式學習體驗。書中不僅闡述深度學習的算法原理，還演示它們的實現和運行。與傳統圖書不同，本書的每一節都是一個可以下載並運行的Jupyter記事本，它將文字、公式、圖像、代碼和運行結果結合在了一起。此外，讀者還可以訪問並參與書中內容的討論。全書的內容分為3個...
8.3 配置Jupyter Notebook 136 8.4 實例：CPU與GPU性能比較 137 8.5 實例：單GPU與多GPU性能比較 138 8.6 小結 140 第9章 TensorFlow基礎 141 9.1 TensorFlow系統架構 141 9.2 數據流圖 143 9.3 TensorFlow基本概念 144 9.3.1 張量 144 9.3.2 運算元 145 9.3.3 計算圖 146 9.3.4 ...
1.2 使用並理解IPython/Jupyter Notebook 6 1.3 Python基礎——第 一部分 9 1.4 理解Python代碼 11 1.5 導入模組 13 1.5.1 數據結構 13 1.5.2 使用列表 14 1.5.3 元組 17 1.5.4 字典 18 1.6 Python基礎——第二部分 20 1.6.1 Python中的函式 20 1.6.2 循環 23 1....
8.3.1 利用Jupyter（IPython）筆記本使用Spark 273 8.3.2 利用Apache Zeppelin筆記本使用Spark 276 8.4 本章小結 277 Contents I: Spark Foundations 1 Introducing Big Data, Hadoop, and Spark 3 Introduction to Big Data, Distributed Computing, and Hadoop 3 A Brief History of Big Data and Hadoop 4...
2.2.2 運行Jupyter Notebook / 014 2.2.3 Jupyter Notebook的使用方法 / 015 2.3 一些必需庫的安裝及功能簡介 / 017 2.3.1 Numpy——基礎科學計算庫 / 017 2.3.2 Scipy——強大的科學計算工具集 / 018 2.3.3 pandas——數據分析的利器 / 019 2.3.4 matplotlib——畫出優美的圖形 / 020 深入...
1.4.2 網頁互動式運行環境（Jupyter）1.4.3 雲端運行環境（Google Colaboratory）1.4.4 部分常用Python包 1.5 基礎知識（Python/NumPy/Matplotlib/PyTorch）1.5.1 Python編程基礎 1.5.2 NumPy數組及運算 1.5.3 圖形繪製基礎（Matplotlib）1.5.4 框架基礎（PyForch）參考文獻 第2章 深度學習基礎 2.1 ...
1.7.3Jupyter Notebook的安裝與使用 1.7.4使用pip安裝第三方庫 1.8用於機器學習的軟體包 1.8.1NumPy軟體包 1.8.2SciPy軟體包 1.8.3Pandas軟體包 第2章簡單的機器學習分類算法 2.1機器學習的早期歷史——人工神經網路 2.1.1人工神經網路的定義 2.1.2感知機學習規則 2.2感知機分類鳶尾 2.3自適應...
1．2．2 用Jupyter Notebook 直接實戰 1．2．3 用Google Colab 開發第一個機器學習程式 1．2．4 在Kaggle 上參與機器學習競賽 1．2．5 在本機上“玩”機器學習 1．3 基本機器學習術語 1．3．1 特徵 1．3．2 標籤 1．3．3 模型 1．4 Python 和機器學習框架 1．4．1 為什麼選擇用Python 1．4．2...
9.2.4 從Jupyter調用TF Serving模型249 9.2.5 創建Gateway服務252 9.3 使用Kubernetes部署模型255 9.3.1 Kubernetes簡介255 9.3.2 在AWS上創建Kubernetes集群256 9.3.3 準備Docker鏡像258 9.3.4 部署到 Kubernetes260 9.3.5 測試服務265 9.4 使用Kubeflow部署模型266 9.4....
9.2.4 從Jupyter調用TF Serving模型249 9.2.5 創建Gateway服務252 9.3 使用Kubernetes部署模型255 9.3.1 Kubernetes簡介255 9.3.2 在AWS上創建Kubernetes集群256 9.3.3 準備Docker鏡像258 9.3.4 部署到 Kubernetes260 9.3.5 測試服務265 9.4 使用Kubeflow部署模型266 9.4....
9、支持上百萬個Android軟體和數萬個Linux軟體，既可以使用套用中心安裝，也可以使用命令行安裝。這些軟體既包括用戶熟知的微信、QQ、計算器、相冊、相機和音樂等，也包括Linux常用的git、mysql、hadoop、nginx、Apache、Vim、ssh、wizard、vscode、jupyter、chromium、ROS等。10、支持多種開發語言及對應編程框架，如C/C++...
2.3.4Jupyter Notebook的安裝 2.3.5Jupyter Notebook的使用 2.3.6Gym的安裝 2.3.7Gym案例 2.4小結 2.5習題 第二部分： 表格式強化學習 第3章數學建模 3.1馬爾可夫決策過程 3.2基於模型與無模型 3.3求解強化學習任務 3.3.1策略 3.3.2獎賞與回報 3.3.3值函式與貝爾曼方程 3.3.4策略與值函式 ...
Keras，Pandas，Jupyter，Colaboratory，Docke~Oh Other People's Tools What's Next 3．FindingorBuilding aDataset Planning and Identifying Data to Target Negation as Failure Closed-Wbrid Assumptions Finding a Dataset Where to Look What to Look Outfor Building a Dataset Data Recording Data Collation Dat...
History of deep learning The current state of deep learning and NLP Understanding a simple deep model - a Fully-Connected Neural Network The roadmap - beyond this chapter Introduction to the technical tools Description of the tools Installing Python and scikit-learn Installing Jupyter Notebook Instal...
集成Jupyter Notebook與Spark 29 啟動和配置Spark集群 33 停止Spark集群 34 2 在Spark中創建神經網路 36 介紹 36 在PySpark中創建數據幀 37 在PySpark數據幀中操作列 41 將PySpark數據幀轉換為數組 42 在散點圖中將數組可視化 46 設定輸入神經網路的權重和偏差 49 規範化神經網路的輸入數據 52 驗證數組以獲得...
2.1 Python數據科學生態系統：IPython、Pandas、NumPy、Jupyter Notebook、scikit-learn29 2.2 R語言、RStudio、Shiny和ggplot30 2.3 電子表格：Excel和Google表格30 2.4 使用Amazon網路服務開發雲端AI 31 2.5 AWS上的DevOps31 2.5.1 持續交付31 2.5.2 為AWS創建軟體開發環境32 2.5.3 集成Jupyter ...
Understanding the machine learning workflow Dealing with data using OpenCV and Python Starting a new IPython or Jupyter session Dealing with data using Python's NumPy package Importing NumPy Understanding NumPy arrays Accessing single array elements by indexing Creating multidimensional arrays Loading external...
並整合整合 H2O 和Deeplearning4j，進行目前當紅的機器學習套用，以及運用 Jupyter 筆記本、Zeppelin、Docker 和Kubernetes 在雲端架構上使用 Spark。書中使用支持度高且運算快的原生語言 Scala 來開發，並深入探討 Apache Spark 2.x 的細節以及提供實際的範例作為教學如：從 MQTT 接收 IoT 洗衣機的串流數據、道路安全...
Our Machine Learning Toolchain Python and Jupyter Notebooks Google Colaboratory TensorFlow and Keras Building Our Model Importing Dependencies Generating Data Splitting the Data Defining a Basic Model Training Our Model Training Metrics Graphing the History Improving Our Model Testing Converting the Model for...
Jupyter Notebooks Procedural Programming Variables Basic Math Comments Built-in Functions Print Range Execution Control if/elif/else for Loops while Loops Handling Exceptions Built-in Objects What Is an Object?Object Methods and Attributes Sequences Functions Anatomy of a Function Functions as Objects Ano...
2.9 使用Jupyter Notebook基於Spark探索數據：蒙特卡羅方法預測股票價格 64 2.9.1 Jupyter Notebook 64 2.9.2 用蒙特卡羅方法預測股票價格 67 2.10 小結 70 第3章 Spark統一編程接口：DataFrame、Dataset和Spark SQL 71 3.1 Catalyst最佳化器 72 3.1.1 SQL抽象語法樹 72 3.1.2 從ULEP到RLEP的...
1.2.3 安裝JupyterLab 3 1.3 安裝TensorFlow 6 1.4 本書的代碼規範 7 本章小結 8 第2章 常見工具介紹 9 2.1 NumPy 9 2.1.1 創建數組 10 2.1.2 數組索引 11 2.1.3 數組切片 11 2.1.4 數學計算 12 2.1.5 神經網路的數據表示 13 2.2 Pandas 14 2.2.1 讀取數據 ...
2.9 使用Jupyter Notebook基於Spark探索數據：蒙特卡羅方法預測股票價格 2.10 小結 第3章 Spark統一編程接口：DataFrame、Dataset和Spark SQL 3.1 Catalyst最佳化器 3.2 DataFrame API 3.3 Dataset API 3.4 Spark SQL 3.5 Google Dremel與列式存儲 3.6 使用Spark SQL進行數據探索 3.7 小結 第4章 ...
