实验楼「机器学习和数据分析」新环境上线了,这里有一篇使用指南……

本文主要是介绍实验楼「机器学习和数据分析」新环境上线了,这里有一篇使用指南……,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

 关注「实验楼」,每天分享一个项目教程   

为了让大家更加方便和高效地学习,实验楼上线了全新的机器学习和数据分析在线实验环境。那么,新环境是如何诞生及如何使用的呢?跟着小编往下看~

正文共:2754 字 

预计阅读时间:7 分钟

目前,实验楼已经上线了数十门机器学习和数据分析相关的课程,内容覆盖了 Pandas,Matplotlib,Scikit-learn 等常用的第三方模块的使用,以及神经网络、支持向量机、随机森林等算法的实战。

如今,为了让大家更加方便和高效地学习这些课程。实验楼上线了全新的机器学习和数据分析在线实验环境(以下简称:新环境),新环境是为数据分析及机器学习量身定制,和实验楼现有的桌面式在线环境截然不同。

新环境的诞生

熟悉机器学习和数据分析的朋友们可能都听说过 IPython,它是一种基于 Python 的交互式解释器。相较于原生的 Python Shell,IPython 提供了更为强大的编辑和交互功能。

IPython 之后,就出现了 IPython Notebook,它完整地继承了 IPython 的交互式特性,同时以 Web 形式运行。IPython Notebook 的出现,让数据分析和机器学习的过程变得高效。

再之后,在谷歌、微软等互联网巨头的赞助下,IPython Notebook 发展成为更加成熟和完善的开源项目,并更名为 Jupyter Notebook。相信有很多朋友对这个名字和下面的界面并不陌生。

如今,实验楼基于 Jupyter Notebook 开发出了更加简洁易用的实验楼「机器学习和数据分析在线实验环境」,界面如下所示。

在线环境的使用

如果你先前使用过 Jupyter Notebook,我们相信当你接触到新环境时会很容易上手。当然,感到陌生的你也完全不用担心,下面就手把手教你新环境的正确使用姿势。

新环境和现有环境的区别

目前,实验楼通用的在线环境界面如下图所示,大致分为两部分:左边是实验文档,右边是在线实验环境。学习时,你通过阅读文档内容,并自己动手在右侧的在线环境中练习。

而在新的实验环境中,学习逻辑就会发生一些变化。如今,实验文档和实验环境被融为一体,你只需要跟随实验楼制作好的每一个课程内容,从头到尾一步一步完成练习即可。下面,我们就了解一下课程内容的组成结构。

单元格

内容结构中最基本的组成单位被称之为单元格,一节完整的课程由若干个单元格按顺序构成。如下图所示,当你使用鼠标在课程界面单击时,就会选中相应的单元格,被处于选中状态的单元格的左侧会出现一条蓝色的竖线(区别于编辑状态时的绿色竖线)。

每一个单元格会有两种模式,分别是 Markdown(文本) 和 Code(代码)。在实验楼的课程中,教学内容都是以 Markdown 单元格展示,而你需要动手练习的代码将在 Code 单元格中执行。

单元格的两种模式

如何判断一个单元格是 Markdown 单元格,还是 Code 单元格?一般有两种方式。首先,选中之后的单元格右上角会出现一个菜单栏,绿色高亮的按钮就代表当前单元格的模式。上图中,就是一个典型的 Markdown 单元格。

除此之外,更简单的方法就是观察单元格的背景色。如下图所示,我们将 Code 单元格的背景色设置成为黑色,而 Markdown 单元格的背景则为白色。

单元格菜单栏

上面提到了单元格右上角的菜单栏。如下图所示,这个菜单栏中包含了针对单元格常见的 4 种操作。

运行代码

你可能会有疑问,那就是自己在哪里书写练习代码并执行呢?当前,这一切都是在 Code 单元格中完成。如下图所示,当你在 Code 单元格中书写 print('hello, world!') 时,点击左侧的运行按钮 ▶,相应的代码就会立即执行,并在单元格的下方显示输出内容。

保存自己的代码

首先,你在实验环境中输入的字符和代码都是自动保存的。只要当前环境没有终止(点击右上角的停止按钮,或环境超时自动终止),那就无需担心刷新页面后造成自己动手练习代码出现丢失。

除此之外,当你想终止当前环境时,还可以将 Python 代码文件下载到本地以备后用。你只需要点击界面右上角的下载按钮即可。

新环境的几个特点

单元格执行顺序

无论是 Markdown 单元格,还是 Code 单元格,它们在课程中都是按照从上到下的顺序依次执行的。后面的单元格需要等待前面的单元格执行完成后,才能继续执行。执行完成的单元格左侧会出现 In [序号] 的标志,例如:

单元格的执行状态

对于复杂度高的代码,往往会意味着更加长时间的执行等待时间。在新环境中,当一个单元格处于执行状态时,单元格前面会出现 In [*] 符号,只有执行完成的单元格, [] 中的 * 才会变成相应的 序号

除此之外,你可以通过页面右上角的 Kenel 状态指示器判断内核占用情况。如果 Python 字符右边出现了实心圆圈 ◉,代表内核处于占有状态。而空心圆圈 ◯ 则代表内核处于空闲状态。当然,也可能出现链接断开的符号,那就代表着内核已经断开链接,你可能需要刷新页面或重启实验环境。当然,实验楼会尽力让你避免遇到内核断开的状态。

上手体验

看完上面的介绍,相信你对实验楼上线的新环境已经有了初步印象。下面,就通过《 K - 近邻算法实现手写数字识别系统》这门课程,亲自体验一下新环境的魅力吧。( 您可以在PC端体验这门课程 : https://www.shiyanlou.com/courses/777 )

后记

目前,我们正在将实验楼现有的数据分析及机器学习课程转换为适用于新环境的课程。同时,我们也在同步制作新的课程,相信很快就会陆续上线。

新环境并不会全面取代之前的环境,实验楼只会将其运用在机器学习和数据分析相关的课程中,其他课程依然会使用更加通用的桌面式在线环境。

另外,刚上线的新环境可能还存在一些 bug,如果你在使用过程中遇到问题,请不要着急,并及时通过提问等各种渠道反馈给我们。当然,使用过程中其他疑问,我们也会尽力帮你解决。

已使用新环境课程

  1. 《K - 近邻算法实现手写数字识别系统》

  2. 《利用 Python 进行 NBA 比赛数据分析》

  3. 《Pandas 使用教程》

  4. 《NumPy 使用教程》

  5. 《基于 TensorFlow 实现卷积神经网络》

  6. 《Python 气象数据分析:Python 数据分析实战》

  7. 《Hopfield 算法基础讲解及实例实现》

  8. 《RNN 神经网络讲解及基础应用》

  9. 《SIFT 特征提取分析算法讲解及应用》

  • 更多课程持续上线中……




作者:huhuhang

出处:实验楼

链接:https://www.shiyanlou.com/questions/65817



 学习更多:

备受好评的 楼+「 Python实战 」、「 Linux运维与Devops实战 」正在优惠报名中——

实验楼CEO、CTO、高级工程师亲自上阵,通过直播、录播、全程助教、作业挑战等方式,带你12周内打通Python、Linux的任督二脉,成为拥有真正工作能力的IT工程师!

点击下面的链接了解详情:

蜕变2018,楼+ Python实战·第6期 限时优惠中……

三个月打造全能的Linux运维工程师——「Linux运维与DevOps实战」


这篇关于实验楼「机器学习和数据分析」新环境上线了,这里有一篇使用指南……的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/513985

相关文章

HarmonyOS学习(七)——UI(五)常用布局总结

自适应布局 1.1、线性布局(LinearLayout) 通过线性容器Row和Column实现线性布局。Column容器内的子组件按照垂直方向排列,Row组件中的子组件按照水平方向排列。 属性说明space通过space参数设置主轴上子组件的间距,达到各子组件在排列上的等间距效果alignItems设置子组件在交叉轴上的对齐方式,且在各类尺寸屏幕上表现一致,其中交叉轴为垂直时,取值为Vert

Ilya-AI分享的他在OpenAI学习到的15个提示工程技巧

Ilya(不是本人,claude AI)在社交媒体上分享了他在OpenAI学习到的15个Prompt撰写技巧。 以下是详细的内容: 提示精确化:在编写提示时,力求表达清晰准确。清楚地阐述任务需求和概念定义至关重要。例:不用"分析文本",而用"判断这段话的情感倾向:积极、消极还是中性"。 快速迭代:善于快速连续调整提示。熟练的提示工程师能够灵活地进行多轮优化。例:从"总结文章"到"用

【前端学习】AntV G6-08 深入图形与图形分组、自定义节点、节点动画(下)

【课程链接】 AntV G6:深入图形与图形分组、自定义节点、节点动画(下)_哔哩哔哩_bilibili 本章十吾老师讲解了一个复杂的自定义节点中,应该怎样去计算和绘制图形,如何给一个图形制作不间断的动画,以及在鼠标事件之后产生动画。(有点难,需要好好理解) <!DOCTYPE html><html><head><meta charset="UTF-8"><title>06

学习hash总结

2014/1/29/   最近刚开始学hash,名字很陌生,但是hash的思想却很熟悉,以前早就做过此类的题,但是不知道这就是hash思想而已,说白了hash就是一个映射,往往灵活利用数组的下标来实现算法,hash的作用:1、判重;2、统计次数;

阿里开源语音识别SenseVoiceWindows环境部署

SenseVoice介绍 SenseVoice 专注于高精度多语言语音识别、情感辨识和音频事件检测多语言识别: 采用超过 40 万小时数据训练,支持超过 50 种语言,识别效果上优于 Whisper 模型。富文本识别:具备优秀的情感识别,能够在测试数据上达到和超过目前最佳情感识别模型的效果。支持声音事件检测能力,支持音乐、掌声、笑声、哭声、咳嗽、喷嚏等多种常见人机交互事件进行检测。高效推

零基础学习Redis(10) -- zset类型命令使用

zset是有序集合,内部除了存储元素外,还会存储一个score,存储在zset中的元素会按照score的大小升序排列,不同元素的score可以重复,score相同的元素会按照元素的字典序排列。 1. zset常用命令 1.1 zadd  zadd key [NX | XX] [GT | LT]   [CH] [INCR] score member [score member ...]

【机器学习】高斯过程的基本概念和应用领域以及在python中的实例

引言 高斯过程(Gaussian Process,简称GP)是一种概率模型,用于描述一组随机变量的联合概率分布,其中任何一个有限维度的子集都具有高斯分布 文章目录 引言一、高斯过程1.1 基本定义1.1.1 随机过程1.1.2 高斯分布 1.2 高斯过程的特性1.2.1 联合高斯性1.2.2 均值函数1.2.3 协方差函数(或核函数) 1.3 核函数1.4 高斯过程回归(Gauss

安装nodejs环境

本文介绍了如何通过nvm(NodeVersionManager)安装和管理Node.js及npm的不同版本,包括下载安装脚本、检查版本并安装特定版本的方法。 1、安装nvm curl -o- https://raw.githubusercontent.com/nvm-sh/nvm/v0.39.0/install.sh | bash 2、查看nvm版本 nvm --version 3、安装

【学习笔记】 陈强-机器学习-Python-Ch15 人工神经网络(1)sklearn

系列文章目录 监督学习:参数方法 【学习笔记】 陈强-机器学习-Python-Ch4 线性回归 【学习笔记】 陈强-机器学习-Python-Ch5 逻辑回归 【课后题练习】 陈强-机器学习-Python-Ch5 逻辑回归(SAheart.csv) 【学习笔记】 陈强-机器学习-Python-Ch6 多项逻辑回归 【学习笔记 及 课后题练习】 陈强-机器学习-Python-Ch7 判别分析 【学

【IPV6从入门到起飞】5-1 IPV6+Home Assistant(搭建基本环境)

【IPV6从入门到起飞】5-1 IPV6+Home Assistant #搭建基本环境 1 背景2 docker下载 hass3 创建容器4 浏览器访问 hass5 手机APP远程访问hass6 更多玩法 1 背景 既然电脑可以IPV6入站,手机流量可以访问IPV6网络的服务,为什么不在电脑搭建Home Assistant(hass),来控制你的设备呢?@智能家居 @万物互联