Jupyter-Tutorial

Jupyter-Notebooks erfreuen sich in den Datenwissenschaften wachsender Beliebtheit und wurden zum De-facto-Standard für schnelles Prototyping und explorative Analysen. Sie beflügeln nicht nur Experimente und Innovationen enorm, sie machen auch den gesamten Forschungsprozess schneller und zuverlässiger.

„Der sprunghafte Anstieg der Nutzung von Jupyter Notebooks zeigt, dass Open Source eine wachsende Gemeinschaft unterstreicht, insbesondere da Python zur meistgenutzten Sprache … aufsteigt. Seit 2018 hat die Nutzung von Jupyter Notebooks stetig zugenommen – und dieses Wachstum stieg im Jahr 2022 sprunghaft an, als die Forschung und das Experimentieren mit generativer KI und maschinellem Lernen Fahrt aufnahmen. Seit 2022 ist die Nutzung von Jupyter Notebooks auf GitHub um mehr als 170 % angestiegen. Und seit dem letzten Jahr ist die Nutzung um 92 % gestiegen. Datenwissenschaftler*innen und Forschende im Bereich maschinelles Lernen nutzen die Open-Source-Anwendung häufig für maschinelles Lernen, Datenvisualisierung und mehr.“

Grafik aus dem Octoverse 2024-Bericht von GitHub, die einen Anstieg der Nutzung von Jupyter Notebooks auf GitHub zeigt. Dies wird berechnet, indem die Anzahl der öffentlichen Repositories mit mindestens einem Jupyter Notebook nach dem Jahr der Erstellung des Repositories betrachtet. Seit 2016 ist die Zahl der Repositories, die Jupyter Notebooks verwenden, von nahezu Null auf mehr als 1,5 Millionen angestiegen.

Octoverse: AI leads Python to top language as the number of global developers surges

Zudem entstehen viele zusätzliche Komponenten, die die ursprünglichen Grenzen ihrer Nutzung erweitern und neue Verwendungsmöglichkeiten eröffnen.

digraph decide_jupyter { graph [fontname = "Calibri", fontsize="10", penwidth="1px", overlap=false]; node [fontname = "Calibri", fontsize="10", style="bold", penwidth="1px", fontcolor="#640FFB"; color="#640FFB";]; edge [fontname = "Calibri", fontsize="10", style="bold", penwidth="1px", fontcolor="#640FFB"; color="#640FFB";]; tooltip="Wie entscheide ich, welche Jupyter-Pakete ich benötige?"; // Top Level what [ shape=diamond, label="Was wollt ihr machen?", tooltip="Jupyter bietet euch verschiedene Möglichkeiten, wie ihr die Notebooks nutzen könnt"] // Second Level singleuser [ shape=plaintext, label=" ", tooltip="Single user"] team [ shape=plaintext, label=" ", tooltip="Team"] nbconvert [ label="nbconvert", tooltip="nbconvert installieren und nutzen", target="_top", href="nbconvert.html"] kernels [ label="Kernels", tooltip="Kernels installieren, anzeigen und starten", target="_top", href="kernels/install.html"] extensions [ shape=plaintext, label=" ", tooltip="Notebook-Erweiterungen installieren"] embed [ shape=plaintext, label="", tooltip="Notebooks in andere Anwendungen einbinden"] examples [ label="Unternehmens-\nanwendungen", tooltip="Anwendungsbeispiele bei Netflix, Bloomberg etc.", target="_top", href="use-cases.html"] // 3rd Level notebook [ label="Jupyter-\nNotebook", tooltip="Notebook lokal installieren", target="_top", href="notebook/index.html"] jupyterlab [ label="JupyterLab", tooltip="JupyterLab lokal installieren", target="_top", href="jupyterlab/index.html"] hub [ label="JupyterHub", tooltip="JupyterHub\ninstallieren", target="_top", href="hub/index.html"] binder [ label="Binder", tooltip="Binder tools", target="_top", href="binder.html"] nbviewer [ label="nbviewer", tooltip="nbviewer installieren und nutzen", target="_top", href="nbviewer.html"] widgets [ label="Widgets", tooltip="ipywidgets installieren und nutzen", target="_top", href="ipywidgets/index.html"] extend [ label="nbextensions", tooltip="Installieren und Verwenden verschiedener Notebook-Erweiterungen", target="_top", href="nbextensions/index.html"] viz [ label="Daten\nvisualisieren", tooltip="Bibliotheken zur Datenvisualisierung", target="_top", href="viz/index.html"] dash [ label="Dashboards", tooltip="Installieren und Verwenden von Dashboards", target="_top", href="dashboards/index.html"] html [ label="HTML", tooltip="Einbinden von Notebooks in statisches HTML", target="_top", href="ipywidgets/embedding.html"] nbsphinx [ label="nbsphinx", tooltip="Einbinden von Notebooks in den Sphinx Document Generator", target="_top", href="sphinx/nbsphinx.html"] executablebooks [ label="Executable Books", tooltip="Bücher aus Jupyter Notebooks und MyST", target="_top", href="sphinx/executablebooks.html"] // Edges what -> singleuser [label="Einzel-\narbeit"] what -> team [label="Team-\narbeit"] what -> nbconvert [label="Konvertieren"] nbconvert -> nbviewer [label="Konvertier-\nservice"] what -> kernels [label="Java, R,\nJulia etc."] what -> extensions [label="Notebook\nerweitern"] what -> embed [label="Notebooks\neinbetten"] what -> examples [label="Beispiele"] singleuser -> {notebook jupyterlab} team -> {hub binder} extensions -> {widgets extend viz dash} embed -> {html nbsphinx executablebooks} // Arrangement rankdir="LR" {rank = same; what;} {rank = same; singleuser; team; nbconvert; kernels; extensions; embed; examples;} {rank = same; notebook; jupyterlab; hub; binder; widgets; extend; viz; dash; html} }

Das Jupyter-Tutorial ist jedoch nur ein Teil einer Reihe von Tutorials zur Datenanalyse und -visualisierung:

Alle Tutorials dienen als Seminarunterlagen für unsere aufeinander abgestimmten Trainings: