Mac에서 데이터 과학 100개 노크를 이동하는 방법
데이터 과학 100개 노크란?
좋은 것 같은 것이 있었습니다.
데이터 과학 초학자를 위한 실천적인 학습 환경 「데이터 과학 100개 노크(구조화 데이터 가공편)」를 GitHub에 무료 공개
움직이는 방법은 README에 쓰여 있으므로, 익숙한 사람은 순식간에 움직일 수 있다고 생각합니다만, 초보자라면 조금 당황할 것 같기 때문에, 메모가 주위에 움직이는 방법을 써 둡니다.
데이터 과학 100개 노크 환경 구축 방법
하는 것은 크게 이하의 2개입니다.
하는 것은 크게 이하의 2개입니다.
각각 설명해 갑니다.
Docker 설정
Docker의 개요와 설치 방법은 아래를 참조하십시오.
Docker 입문하여 기계 학습 환경 구축
Docker에서 이동
"README"와 같이 다음 명령을 실행합시다.
$ git clone https://github.com/The-Japan-DataScientist-Society/100knocks-preprocess
$ cd 100knocks-preprocess
$ docker-compose up -d --build
모두 완료되면 브라우저에서 다음 주소에 액세스합니다.
http://localhost:8888
아래와 같은 화면이 표시되면 OK입니다.
"preprocess_knock_Python.ipynb"라는 파일을 선택하면 다음과 같이 Jupyter Notebook을 실행할 수 있습니다.
그 후에는 Enjoy합시다!
요약
Mac에서 데이터 사이언스 100개 노크를 움직이는 방법을 메모에 걸쳐 간단하게 소개해 보았습니다.
데이터 분석의 100개 노크는 할까는 솔직히 모릅니다만, 그것보다 Docker로 이렇게 환경 구축할 수 있는 것을 알게 된 것이 좋았습니다. 고정된 환경과 세트로 GitHub상에서 Jupyter Notebook을 공개할 수 있는 것은, 재현성이 높을 것 같고 편리하네요.
참고 링크
데이터 과학 100개 노크 해본다(환경 구축)
Windows의 경우 정보
데이터 과학 100개 노크를, Google Colab와 Azure Notebooks로 부담없이 실시하고 싶다!
Google Colab 및 Azure Notebooks로 이동하려는 사람들을 위한
그래서 나는 pandas를 그만둔 【데이터 과학 100개 노크(구조화 데이터 가공편)편 #1】
그러니까 나는 pandas를 그만둔【데이터 과학 100개 노크(구조화 데이터 가공편)편 #2】
【Python】데이터 사이언스 100개 노크(구조화 데이터 가공편) 001-010 소감+해설 링크 정리
Julia에서 데이터 과학 100개 노크(구조화 데이터 가공편)
Julia에서 시도한 예. Julia에 대해서는 "고속 과학 계산 언어 "Julia"입문"를 참조해 주세요.
관련 페이지
파이썬 관계의 「○○100개 노크」의 정리
변경 내역
데이터 과학 100개 노크 해본다(환경 구축)
Windows의 경우 정보
데이터 과학 100개 노크를, Google Colab와 Azure Notebooks로 부담없이 실시하고 싶다!
Google Colab 및 Azure Notebooks로 이동하려는 사람들을 위한
그래서 나는 pandas를 그만둔 【데이터 과학 100개 노크(구조화 데이터 가공편)편 #1】
그러니까 나는 pandas를 그만둔【데이터 과학 100개 노크(구조화 데이터 가공편)편 #2】
【Python】데이터 사이언스 100개 노크(구조화 데이터 가공편) 001-010 소감+해설 링크 정리
Julia에서 데이터 과학 100개 노크(구조화 데이터 가공편)
Julia에서 시도한 예. Julia에 대해서는 "고속 과학 계산 언어 "Julia"입문"를 참조해 주세요.
관련 페이지
파이썬 관계의 「○○100개 노크」의 정리
변경 내역
Reference
이 문제에 관하여(Mac에서 데이터 과학 100개 노크를 이동하는 방법), 우리는 이곳에서 더 많은 자료를 발견하고 링크를 클릭하여 보았다 https://qiita.com/karaage0703/items/1b18b1f4ab65d35afb5f텍스트를 자유롭게 공유하거나 복사할 수 있습니다.하지만 이 문서의 URL은 참조 URL로 남겨 두십시오.
우수한 개발자 콘텐츠 발견에 전념 (Collection and Share based on the CC Protocol.)