笔记本通过排列诸如文本，代码，图像，输出等内容来逐步说明分析过程。这有助于数据科学家在设计研究过程时记录思考过程。传统上，仅通过在源数据上重新运行笔记本即可使用笔记本来记录工作和复制发现。但是，为什么要选择使用笔记本而不是首选的IDE或命令行呢？当前基于浏览器的笔记本实现有很多局限性，但是它们所做的是为探索，协作和可视化提供环境。数据科学家通常将笔记本用于快速探索任务。

与任何本地脚本或工具相比，它们在这方面提供了一系列优势。笔记本通常看起来是在群集环境中设置的，从而允许数据科学家利用其台式机/笔记本电脑上无法访问的计算资源，并无需下载本地副本即可处理全部数据。

适用于机器学习的Python顶级笔记本

如今，交互式笔记本正越来越受欢迎。他们正在替换会议中的PowerPoint，在公司之间进行交换，甚至还从BI套件中夺走了工作量。今天，有许多笔记本可供选择，包括Jupyter，R Markdown，Apache Zeppelin，Spark Notebook等。在本文中，我们将介绍机器学习专业人员使用的一些顶级python笔记本。

1. Jupyter笔记本

该Jupyter笔记本是可以用来构建和共享实时代码，方程，可视化和文本文档的开放源代码的Web应用程序。Jupyter Notebook由Jupyter项目的人员维护。这是IPython项目的一个附带项目，该项目以前曾经拥有IPython Notebook项目。Jupyter这个名字源于它支持的核心编程语言：Julia，Python和R。Jupyter随IPython内核一起提供，它允许您编写Python程序，但也可以使用100多个其他内核。当您使用计算工具作为科学实验书籍进行计算物理学和/或大量数据分析时，Jupyter笔记本特别有用。

2. Google Colab

Google Colab，也称为Colaboratory，是一个免费的Jupyter笔记本环境，不需要任何配置即可完全在云中运行。它为用户提供免费的GPU和TPU。您可以免费使用Colaboratory编写和执行代码，保存和共享分析，以及从浏览器访问强大的计算工具。顾名思义，它伴随着产品中备份的协作。这是一款Jupyter笔记本，利用了与Google Docs的协作功能。它也可以在Google服务器上运行，因此无需更新。笔记本将保存到您的Google云端硬盘帐户中。它为任何人提供一个使用PyTorch，TensorFlow和Keras等常用库来开发深度学习应用程序的平台。

3. Kaggle

Kaggle是一个用于云中深度学习应用程序的绝佳平台。Kaggle和Colab有很多相似之处，都是Google产品。与Colab一样，它使用户可以免费使用云中的GPU。这为用户提供了Jupyter笔记本。Jupyter Notebook上的许多键盘快捷键与Kaggle相同。它具有许多可以导入的数据集。Kaggle内核经常看起来有点滞后，但比Colab快。Kaggle有一个庞大的社区来支持，学习和验证数据科学技能。

4. Azure笔记本

微软的Azure笔记本在设计上与Colab非常相似。这两个平台都具有免费的云共享功能。在速度方面，Azure笔记本电脑胜出，并且在这方面要比Colab更好。它具有4 GB的内存。Azure笔记本创建了一系列链接的笔记本，称为库。这些库的每个数据文件的大小小于100兆字节。Azure笔记本支持Python，R和F＃编程语言。它具有本机Jupyter用户界面。Azure笔记本最适合简单的应用程序。

5.亚马逊Sagemaker

亚马逊的笔记本电脑SageMaker在Jupyter Notebook应用程序上运行。它负责开发和维护Jupyter笔记本，该笔记本可用于进一步处理数据以及训练和部署ML模型。它提供用于培训和模型部署的API。Amazon SageMaker提供了一个控制台，该控制台允许用户使用控制台用户界面开始模型训练或部署模型。通过在一组工具中提供所有机器学习组件，可以将ML模型轻松地集成到应用程序中，从而可以以更少的工作量和更低的成本更快地生成模型。

6. IBM DataPlatform笔记本

早在2016年，IBM推出了Watson数据平台和数据科学体验（DSX），并认可了开源选项。这些包括用于Apache Spark，R，Python，Scala和Jupyter的笔记本。最终，它推出了具有多云自由选择功能的数据科学工作平台。这是通过Kubernetes在产品的容器化的帮助下完成的。因此，可以将其部署在Docker或CloudFoundry容器中数据所驻留的任何位置。与Google Colab不同，IBM DataPlatform Notebook具有多云容器化或混合部署。Colab需要将数据科学调整到其公共云。

IBM支持容器化，因为它允许客户在任何地方（包括竞争对手的公共云）分析数据并创建，部署和运行模型。DSX作为DSX Local既是Watson Data Platform的一部分，也可能独立于它。它提供对程序，数据，数据科学资源，服务和社区空间的协作，受授权控制的访问。DataPlatform笔记本支持R，Python和Scala语言，并支持Jupyter和Apache Zeppelin的笔记本。DSX的用户可以使用开源库，例如Spark MLlib，TensorFlow，Caffe，Keras和MXNet。