Блокноты Jupyter

Блокноты — лабораторный стол AI-инженера. Здесь вы создаёте прототип, а затем переносите работающий результат в продакшен.

Тип: Практика Языки: Python Предварительные требования: Фаза 0, урок 01 Время: около 30 минут

Цели обучения

• Установить и запустить JupyterLab, Jupyter Notebook либо VS Code с расширением Jupyter.
• Использовать магические команды (%timeit, %%time, %matplotlib inline) для измерения производительности и встроенной визуализации.
• Понимать, когда использовать блокноты, а когда — скрипты, и применять подход «исследуйте в блокнотах, выпускайте в скриптах».
• Распознавать распространённые ловушки блокнотов и избегать их: выполнение ячеек не по порядку, скрытое состояние и утечки памяти.

Проблема

Блокноты Jupyter используются почти в каждой статье об AI, учебном материале и соревновании Kaggle. Они позволяют выполнять код по частям, сразу видеть результаты, совмещать код с пояснениями и быстро повторять эксперименты. Пытаться изучать AI без блокнотов — всё равно что решать математические задачи без черновика.

Но у блокнотов есть реальные ловушки. Люди используют их для любых задач, включая те, для которых блокноты подходят очень плохо. Понимание того, когда нужен блокнот, а когда скрипт, позднее избавит вас от кошмарной отладки.

Концепция

Блокнот — это список ячеек. Каждая ячейка содержит либо код, либо текст.

Ядро (kernel) — это процесс Python, работающий в фоновом режиме. Когда вы запускаете ячейку, интерфейс отправляет её код ядру, которое выполняет его и возвращает результат. Все ячейки используют одно ядро, поэтому переменные сохраняются между запусками ячеек.

Возможность запускать ячейки в любом выбранном порядке — одновременно главная сила блокнота и источник опасных ошибок.

Собираем сами

Шаг 1. Выберите интерфейс

Три варианта, один формат:

Интерфейс	Установка	Лучше всего подходит для
JupyterLab	pip install jupyterlab, затем jupyter lab	Полноценной IDE с несколькими вкладками, файловым браузером и терминалом
Jupyter Notebook	pip install notebook, затем jupyter notebook	Простого и лёгкого интерфейса для одного блокнота за раз
VS Code	Установите расширение Jupyter	Работы прямо в редакторе с интеграцией Git и отладкой

Все три варианта читают и записывают один формат .ipynb. Выберите тот, который вам удобен. JupyterLab наиболее распространён в работе с AI.

pip install jupyterlab
jupyter lab

Шаг 2. Важные сочетания клавиш

Вы работаете в двух режимах. Нажмите Escape, чтобы перейти в командный режим с синей полосой слева, и Enter, чтобы перейти в режим редактирования с зелёной полосой.

Командный режим — используется чаще всего:

Клавиши	Действие
Shift+Enter	Выполнить ячейку и перейти к следующей
A	Вставить ячейку выше
B	Вставить ячейку ниже
DD	Удалить ячейку
M	Преобразовать в Markdown
Y	Преобразовать в код
Z	Отменить операцию с ячейкой
Ctrl+Shift+H	Показать все сочетания клавиш

Режим редактирования:

Клавиши	Действие
Tab	Автодополнение
Shift+Tab	Показать сигнатуру функции
Ctrl+/	Добавить или убрать комментарий

Shift+Enter вы будете использовать тысячу раз в день. Выучите это сочетание первым.

Шаг 3. Типы ячеек

Ячейки кода выполняют Python и показывают результат:

import numpy as np
data = np.random.randn(1000)
data.mean(), data.std()

Результат: (0.0032, 0.9987)

Ячейки Markdown отображают форматированный текст. Используйте их, чтобы документировать, что и зачем вы делаете. Поддерживаются заголовки, полужирный и курсивный текст, математические формулы LaTeX ($E = mc^2$), таблицы и изображения.

Шаг 4. Магические команды

Это не Python, а специальные команды Jupyter. Они начинаются с % для строчной магической команды или с %% для команды, применяемой ко всей ячейке.

Измерьте время работы кода:

%timeit np.random.randn(10000)

Результат: 45.2 us +/- 1.3 us per loop

%%time
model.fit(X_train, y_train, epochs=10)

Результат: Wall time: 2.34 s

%timeit запускает код многократно и усредняет результат. %%time запускает его один раз. Используйте %timeit для микротестов производительности, а %%time — для запусков обучения.

Включите встроенные графики:

%matplotlib inline

Теперь каждый вызов plt.plot() или plt.show() отображает результат прямо в блокноте.

Установите пакеты, не покидая блокнот:

!pip install scikit-learn

Префикс ! запускает любую команду оболочки.

Проверьте переменные окружения:

%env CUDA_VISIBLE_DEVICES

Шаг 5. Отображайте внутри блокнота насыщенные результаты

Блокнот автоматически отображает последнее выражение в ячейке. Но выводом можно управлять:

import pandas as pd

df = pd.DataFrame({
    "model": ["Linear", "Random Forest", "Neural Net"],
    "accuracy": [0.72, 0.89, 0.94],
    "training_time": [0.1, 2.3, 45.6]
})
df

Вместо текстового дампа появится отформатированная HTML-таблица. То же относится к графикам:

import matplotlib.pyplot as plt

plt.figure(figsize=(8, 4))
plt.plot([1, 2, 3, 4], [1, 4, 2, 3])
plt.title("Inline Plot")
plt.show()

График появится прямо под ячейкой. Именно поэтому блокноты доминируют в работе с AI: данные, график и код видны вместе.

Для изображений:

from IPython.display import Image, display
display(Image(filename="architecture.png"))

Шаг 6. Google Colab

Colab — облачная среда для блокнотов Jupyter с бесплатным тарифом. Она предоставляет GPU, предустановленные библиотеки и интеграцию с Google Drive. Предварительная настройка не требуется.

1. Перейдите на colab.research.google.com.
2. Загрузите любой файл .ipynb из этого курса.
3. Выберите Runtime → Change runtime type → T4 GPU на бесплатном тарифе.

Отличия Colab от локального Jupyter:

• Файлы не сохраняются между сеансами: сохраните их на Drive или скачайте.
• Предустановлены numpy, pandas, matplotlib, torch, tensorflow и sklearn.
• Для загрузки и скачивания файлов используйте from google.colab import files.
• Для постоянного хранилища используйте from google.colab import drive; drive.mount('/content/drive').
• Сеансы бесплатного тарифа завершаются после 90 минут бездействия.

[!note] Примечание переводчика Доступность GPU, набор предустановленных библиотек и ограничения сеансов Colab приведены по состоянию исходной ревизии от 25 июня 2026 года. Актуальные лимиты следует сверять в справке Colab.

Используем готовое

Блокноты или скрипты: что и когда использовать

Используйте блокноты для	Используйте скрипты для
Исследования набора данных	Конвейеров обучения
Создания прототипа модели	Повторно используемых утилит
Визуализации результатов	Всего, что использует if __name__
Объяснения своей работы	Кода, запускаемого по расписанию
Быстрых экспериментов	Продакшен-кода
Упражнений курса	Пакетов и библиотек

Правило: исследуйте в блокнотах, выпускайте в скриптах.

Распространённый рабочий процесс в AI:

1. Исследуйте данные в блокноте.
2. Создайте прототип модели в блокноте.
3. Когда всё заработает, перенесите код в файлы .py.
4. Импортируйте эти файлы .py обратно в блокнот для дальнейших экспериментов.

Распространённые ловушки

Выполнение не по порядку. Вы запускаете ячейку 5, затем ячейку 2, а потом ячейку 7. Блокнот работает на вашем компьютере, но ломается, если кто-либо выполняет его сверху вниз. Решение: перед публикацией выберите Kernel → Restart & Run All.

Скрытое состояние. Вы удалили ячейку, но созданная ею переменная осталась в памяти. Блокнот выглядит чистым, хотя зависит от «призрачной» ячейки. Решение: регулярно перезапускайте ядро.

Утечки памяти. Вы загружаете набор данных объёмом 4 ГБ, обучаете модель, затем загружаете ещё один набор. Ничего не освобождается. Решение: вызовите del variable_name и gc.collect() либо перезапустите ядро.

Готовый результат

Этот урок создаёт:

• outputs/prompt-notebook-helper.md — промпт для отладки проблем с блокнотами.

Упражнения

1. Откройте JupyterLab, создайте блокнот и с помощью %timeit сравните генератор списков и NumPy при создании массива из 100 000 случайных чисел.
2. Создайте блокнот с ячейками Markdown и кода, который загружает CSV, показывает DataFrame и строит график. Затем выберите Kernel → Restart & Run All и убедитесь, что блокнот корректно выполняется сверху вниз.
3. Скопируйте код из code/notebook_tips.py в блокнот Colab и выполните его на бесплатном GPU.

Ключевые термины

Термин	Как обычно говорят	Что это означает на самом деле
Ядро (kernel)	«То, что выполняет мой код»	Отдельный процесс Python, который выполняет ячейки и хранит переменные в памяти
Ячейка (cell)	«Блок кода»	Независимо выполняемая единица блокнота, содержащая код или Markdown
Магическая команда (magic command)	«Трюки Jupyter»	Специальная команда с префиксом % или %%, управляющая средой блокнота
.ipynb	«Файл блокнота»	JSON-файл с ячейками, результатами и метаданными; сокращение от IPython Notebook

Дополнительные материалы

• Документация JupyterLab — полный набор возможностей.
• Частые вопросы о Google Colab — ограничения и возможности Colab.
• 28 советов по Jupyter Notebook — сочетания клавиш для опытных пользователей.

---

Источник: Jupyter Notebooks — оригинал Навигация: назад: 00.04 — API и ключи · Фаза 0 — Настройка и инструменты · Полный каталог · далее: 00.06 — Окружения Python.