Definition „Jupyter Notebook Classic“ Was ist Jupyter Notebook?

Anbieter zum Thema

PresseBox - unn | UNITED NEWS NETWORK GmbH

Vom Code zum Programm, von Daten zur Visualiserung, vom Text zur Erläuterung: elektronische Notizbücher müssen funktional und vielseitig sein. Mit Jupyter Notebook steht Usern eine Open-Source-Alternative zur Verfügung.

Jupyter Notebook ist eine kostenlose und quelloffene Webanwendung, mit der Developer und Data Scientists mühelos Code teilen können. Von der Wahl der Programmiersprache ist Jupyter Notebook relativ unabhängig.

Insgesamt 40 Programmiersprachen werden unterstützt. Darunter finden sich natürlich vor allem gängige Programmiersprachen wie C++, Scala oder aber Python. Im Fokus stehen bei Jupyter Notebook (und dem gesamten Jupyter Project) allerdings drei Kern-Programmiersprachen: Julia, Python und R – aus diesen leitet sich auch der Name Ju-Pyt-e-R ab.

Einfaches Tool für Kollaboration und Lesbarkeit

Code-Blöcke separat zu testen, Datensätze zu visualisieren und mehr Flexibilität beim Coding und der Analyse – darin liegen die große Stärkten von Jupyter Notebook. Zudem werden in dem digitalen Notizbuch digitale Dokumente im JSON-Format erstellt, was aufgrund der ordentlichen Auflistung von Input- und Output-Zellen besonders leicht lesbar ist.

Markdown-Text, Code, Gleichungen und Formeln oder mediale Inhalte finden hier gleichermaßen Platz. Zudem bietet Jupyter Notebook den Vorteil, dass es sich um eine Webanwendung handelt. Diese kann also von allen Teammitgliedern direkt im Browser geöffnet werden. Voraussetzung ist einzig und allein die Installation des Jupyter Notebook-Servers auf dem System.

Für den Export stehen verschiedene Dokumentformate wie Markdown, html, Python oder pdf zur Verfügung. Auch das direkte Versenden via Mail, GitHub oder Dropbox ist kein Problem. Gerade diese Offenheit erleichtert das Kollaborieren an unterschiedlichen Standorten mit verschiedenen Voraussetzungen.

Die Kernels von Jupyter Notebook ermöglichen zudem das Arbeiten mit über 50 verschiedenen Programmiersprachen. Python, PHP, CoffeeScript oder Java. Vom Dashboard aus können diverse Kernels und Projekte problemlos zentral von den Usern verwaltet werden.

Diese Flexibilität lässt sich analog natürlich auch auf das Modell hinter Jupyter Notebook übertragen. Denn kostenlose Software, offene Standards und eine webbasierte App reduzieren natürlich die Nutzungsbarrieren und sind damit auch für kleinere Teams, projektbasierte Arbeit mit externen Stakeholdern oder kleinere Unternehmen bestens geeignet.

Da Programmcode und erklärender Text in Jupyter Notebook gleichzeitig genutzt werden können, ist dieses Tool gut geeignet, um mit anderen Teams zu kooperieren, Code zu analysieren und optimieren oder aber Lehrprojekte zu initiieren. Gleichzeitig arbeitet Jupyter Notebook in Echtzeit, so dass Änderungen schnell und in abgetrennten Zellen vorgenommen und getestet werden können.

Die Nutzung von Jupyter Notebook in wenigen Schritten

Zunächst müssen User für Jupyter Notebook lediglich Client- und Serveranwendung lokal oder in der Cloud installieren. Anschließend ist lediglich eine aktuelle Version von Python erforderlich. Besonders einfach funktioniert Jupyter Notebook dann mit Distributionen wie Anaconda – diese enthält bereits Jupyter Notebook und andere Tools für Data Science und wissenschaftliches Rechnen (ohnehin jene Punkte, in denen Jupyter Notebook besonders stark performt).

Jupyter Notebook mit Hub und Lab erweitern

Das Jupyter Project umfasst nicht nur das Notebook, sondern mit Hub und Lab auch zwei weitere Anwendungen, die einen professionellen Workflow mit Open Source ermöglichen.

1. JupyterHub

Der Hub wird genutzt, um unterschiedliche Instanzen von Jupyter Notebook miteinander zu verbinden. So können verschiedenen Anwender und Anwenderinnen die gleiche Jupyter Notebook-Instanz genutzt werden. Verschiedene Teams und Stakeholder können so an ihren Projekten arbeiten, während zentral administriert wird.

Das Hosting über eine eigene Infrastruktur ist ebenso möglich wie Cloud-Hosting. Erst im JupyterHub wird die Kooperation mit Notebook wirklich nahtlos und interaktiv. Mit Jupyter Notebook alleine müssen Dateien zunächst gespeichert und versandt werden.

2. JupyterLab

Seit 2019 gibt es einen offiziellen 1.0-Release von JupyterLab, dem offiziellen Nachfolger von Jupyter Notebook. Lab erweitert die Funktionalität von Notebook noch um das Implementieren von Verknüpfungen aus Cloud Services wie Google Drive und ist vor allem nutzerfreundlicher. Mehr Shortcuts und ein aufgeräumteres Interface machen den Einstieg noch einmal leichter. Das flexible Interface lässt sich hier sehr leicht auf das aktuelle Projekt einrichten, was den Workflow deutlich optimieren kann.

Jupyter Notebook – die Dokumente stehen im Vordergrund

Je komplexer eine Software wird und je mehr Daten verarbeitet werden müssen, desto schwerer fällt oft das Testen, Visualisieren und Kollaborieren. Mit Jupyter Notebook steht Anwender*innen eine Softwarelösung zur Verfügung, die mit unterschiedlichen Programmiersprachen kompatibel ist, eine schnelle Kooperation über Jupyter Hub ermöglicht und gleichzeitig kostenfrei im Browser genutzt werden kann.

Nützlich ist diese Funktionalität vor allem für Einsteiger*innen, während die mangelnde Effizienz Jupyter Notebooks bei komplexeren Anwendungen doch ins Gewicht fällt. Das Interpretieren einzelner Code-Zellen macht das segmentierte Arbeiten und Analysieren besonders leicht. Vor allem in der Datenvisualisierung und dem Umgang mit Big Data ist Jupyter Notebook eine ideale Wahl.

Die modifizierte BSD-Lizenz und der Open Source-Gedanke von Jupyter Notebook machen die Software zudem noch einmal deutlich flexibler. Da Jupyter Notebook zudem bereits 2015 erstellt wurde und auch von Unternehmen wie Google, IBM, Oracle oder der NASA genutzt wird, ist die Software nicht nur sicher erprobt, sondern auch bestens dokumentiert.

(ID:48489911)