Jupyter Lab review: A powerful tool for documenting your data science journey

La publication scientifique a traditionnellement été un processus plat et statique. Vous rédigez vos recherches sous forme de document, généralement un fichier PDF contenant du texte et du code. Quelqu’un le lit et peut utiliser certains de vos travaux dans ses propres projets. Mais qu’en serait-il si vos documents étaient plus intelligents? Ce ne serait-il pas utile d’avoir un article de science des données ou un tutoriel de programmation que vous puissiez réellement interagir? C’est ce que propose JupyterLab, un outil gratuit de Project Jupyter. Les principaux langages de programmation que vous devez apprendre pour 2023 Traditionnellement, les programmeurs ont écrit des programmes Python dans un fichier texte avec une extension .py. Si vous vouliez expliquer ce que faisait le code source du document, vous écririez des blocs de commentaires pour donner aux autres une idée de ce que vous pensiez lorsque vous avez écrit le programme. Ce type de commentaire est parfait pour le code que les gens regardent rarement, comme celui qui fonctionne en arrière-plan pour gérer les interactions avec une base de données sur un serveur. Si vous êtes un professeur d’informatique qui essaie d’expliquer comment fonctionnent les triages par bulles, ou si vous êtes un morphologiste biologique qui décrit comment vous avez utilisé un code pour cartographier la séquence de Fibonacci dans le disque d’un tournesol, le fait de mélanger du code qui s’exécute avec du texte et des images vous permet de raconter votre histoire scientifique de manière beaucoup plus intuitive. L’informaticien Donald Knuth a envisagé cela en 1984 dans une concept appelé la programmation littéraire. Un fichier de programme littéraire s’exécute comme un fichier de programme non littéraire, mais il structure et décrit également ce code de manière à ce qu’il soit plus compréhensible pour l’auteur et son public.