Jupyter Notebooks
Dernière mise à jour le - Available in English
L'intégration de Jupyter Notebook pour CoderPad vous permet d'utiliser l'une des quatre versions de cette plateforme populaire de science des données.
1) Carnet de notes minimal
Ce Pad exécute une instance Jupyter, construite à partir de l'image Docker jupyter/minimal-notebook
fournie par Jupyter Docker Stacks. Peu de choses sont fournies avec cette image, mais vous pouvez l'adapter à vos besoins en installant les paquets dont vous avez besoin.
2) SciPy notebook
Ce Pad exécute une instance Jupyter, construite à partir de l'image Docker jupyter/scipy-notebook
fournie par Jupyter Docker Stacks. Cette image inclut des paquets populaires de l'écosystème scientifique Python :
- altair, bellesoupe4, bokeh, goulot d'étranglement, pic à nuages, conda-forge::blas=*=openblas, cython, dask, aneth, h5py, jupyterlab-git, matplotlib-base, numba, numexpr, openpyxl, pandas, patsy, protobuf, pytables, scikit-image, scikit-learn, scipy, gorille de mer, sqlalchemy, modèle de statistiques, sympathie, widgetsnbextension, xlrd paquets.
- ipympl et ipywidgets for interactive visualizations and plots in Python notebooks.
- Facettes for visualizing machine learning datasets.
3) Ordinateur portable R
Ce Pad exécute une instance Jupyter, construite à partir de l'image Docker jupyter/r-notebook
fournie par Jupyter Docker Stacks. Cette image inclut des paquets populaires de l'écosystème R :
- Il y a toutefois des R interpreter and base environment.
- IRKernel to support R code in Jupyter notebooks.
- tidyverse les paquets de conda-forge.
- caret, crayon, outils de développement, prévisions, hexbin, outils html, htmlwidgets, nycflights13, forêt aléatoire,
rcurl, rmarkdown, rodbc, rsqlite, brillant, tidymodels, unixodbc les paquets de conda-forge.
4) TensorFlow notebook
Ce Pad exécute une instance Jupyter, construite à partir de l'image Docker jupyter/tensorflow-notebook
fournie par Jupyter Docker Stacks. Cette image comprend des paquets populaires de l'écosystème scientifique Python, ainsi que la bibliothèque d'apprentissage automatique tensorflow :
- altair, bellesoupe4, bokeh, goulot d'étranglement, pic à nuages, conda-forge::blas=*=openblas, cython, dask, aneth, h5py, jupyterlab-git, matplotlib-base, numba, numexpr, openpyxl, pandas, patsy, protobuf, pytables, scikit-image, scikit-learn, scipy, gorille de mer, sqlalchemy, modèle de statistiques, sympathie, widgetsnbextension, xlrd paquets.
- ipympl et ipywidgets for interactive visualizations and plots in Python notebooks.
- Facettes for visualizing machine learning datasets.
- tensorflow for creating machine learning models.
5) PyTorch
This pad is running a Jupyter instance, built off of the jupyter/pytorch-notebook
Docker image provided by Jupyter Docker Stacks. This image includes popular packages from the scientific Python ecosystem, as well as the pytorch machine learning library:
- altair, bellesoupe4, bokeh, goulot d'étranglement, pic à nuages, conda-forge::blas=*=openblas, cython, dask, aneth, h5py, jupyterlab-git, matplotlib-base, numba, numexpr, openpyxl, pandas, patsy, protobuf, pytables, scikit-image, scikit-learn, scipy, gorille de mer, sqlalchemy, modèle de statistiques, sympathie, widgetsnbextension, xlrd paquets.
- ipympl et ipywidgets for interactive visualizations and plots in Python notebooks.
- Facettes for visualizing machine learning datasets.
- pytorch for creating machine learning models.
6) Transformers
This pad is running a Jupyter instance, pre-installed with the Transformers Library and other popular NLP frameworks and scientific Python packages:
- tensorflow
- pytorch,
torchvision
, ettorchaudio
- jax,
jaxlib
, etoptax
- altair, bellesoupe4, bokeh, goulot d'étranglement, pic à nuages, conda-forge::blas=*=openblas, cython, dask, aneth, h5py, jupyterlab-git, matplotlib-base, numba, numexpr, openpyxl, pandas, patsy, protobuf, pytables, scikit-image, scikit-learn, scipy, gorille de mer, sqlalchemy, modèle de statistiques, sympathie, widgetsnbextension, xlrd paquets.
- ipympl et ipywidgets for interactive visualizations and plots in Python notebooks.
- Facettes for visualizing machine learning datasets.
Chaque notebook sera préchargé avec différentes bibliothèques, vous pouvez trouver plus d'informations sur les bibliothèques spécifiques dans la documentation de Jupyter.
Pour travailler avec des carnets Jupyter dans CoderPad, vous pouvez soit ouvrir un pad, et sélectionner l'une des versions de carnet dans le menu déroulant...
Vous pouvez également créer une question basée sur Jupyter en sélectionnant une version dans l'assistant de question et en modifiant le contenu si nécessaire.
Lorsque vous ou votre candidat ouvrez votre Jupyter Notebook pad, vous obtenez une version intégrée à pad qui fonctionne de la même manière que dans la boîte - vous disposez de toutes les mêmes fonctionnalités et caractéristiques que les versions que vous avez utilisées en dehors de CoderPad Interview.
Cependant, vous bénéficierez des fonctionnalités de CoderPad, par exemple la possibilité de collaborer avec un candidat par vidéo, de prendre des notes privées que le candidat ne peut pas voir et d'utiliser le mode dessin.
✅ La lecture n'est pas encore disponible avec Jupyter, mais le carnet sera toujours disponible pour examen.
Collaboration en temps réel
Nous avons inclus l'extension jupyter-collaboration
, qui permet à plusieurs utilisateurs d'éditer et d'interagir avec un carnet en même temps. Note : actuellement, tous les utilisateurs sont nommés de manière anonyme dans Jupyter, mais nous espérons corriger cela bientôt !
Limites des conteneurs
Le conteneur dans lequel tourne votre application a quelques limites. Actuellement, nous ne limitons pas l'utilisation du processeur, mais cela pourrait changer à l'avenir. En plus de l'unité centrale, nous surveillons la bande passante du réseau qui est consommée et nous vous limitons à 75 mégaoctets pour la durée du conteneur. Enfin, nous limitons la quantité de mémoire accessible à chaque conteneur à 0,5 Go.
Are there any libraries or settings we missed? Feel free to email us with suggestions!