Carnets Jupyter
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 pour des visualisations et des tracés interactifs dans les carnets Python
- Facettes pour la visualisation d'ensembles de données d'apprentissage automatique
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 :
- La R interprète et environnement de base
- IRKernel pour prendre en charge le code R dans les carnets Jupyter
- 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 pour des visualisations et des tracés interactifs dans les carnets Python
- Facettes pour la visualisation d'ensembles de données d'apprentissage automatique
- tensorflow pour créer des modèles d'apprentissage automatique
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.
Y a-t-il des bibliothèques ou des paramètres que nous avons oubliés ? N'hésitez pas à nous envoyer vos suggestions par courriel !