Summary
IPython permet d’experimenter avec Python tout en gardant trace d’execution en forme de notebook. Largement utilise par des scientifiques pour partager, documenter leur travail de facon reproducible. Nous allons regarder l’evolution vers un outil multi-langage, Jupyter annonce en 2014. Regardons les capabilites de Jupyter ainsi que les evolutions et investissements dans le projet.
Description
Ce talk vise les debutants, ou debutants IPython/Jupyter, en tout cas.
Nous allons regarder les capabilites d’IPython/Jupyter. Depuis 2014 projet Jupyter permet de faire differents langages en notebook, via des kernels specifiques (ils existent 49 aujourd’hui, il n’y avait que 45 il y a deux semaines).
Regardons d’abord les capabilites d’IPython meme avec quelques examples graphiques a base de Pandas, Numpy pour l’analyse de donnees. Voyons comment Jupyter puissent utiliser sympy/MathJAX.js pour travailler avec des equations et symboles mathematiques dans un notebook.
Nous ferons des choses similaires dans d’autres langages aussi utilises pour l’analyze de donnees, tels que R et Julia.
Regardons les projets autour de Jupyter et les evolutions en cours: * javascript front ends * integration avec Google Drive _ integration avec github _ integration avec Microsoft Azure