Phase 00: Setup & Tooling

ज्यूपिटर नोटबुक

नोटबुक AI इंजीनियरिंग की प्रयोगशाला बेंच हैं. आप यहां प्रोटोटाइप करते हैं, फिर जो काम करता है उसे उत्पादन में ले जाते हैं.

Type: Build

Languages: Python

Prerequisites: Phase 0, Lesson 01

Time: ~30 minutes

सीखने के लक्ष्य

JupyterLab, Jupyter Notebook, या VS Code को Jupyter एक्सटेंशन के साथ स्थापित और लॉन्च करें
जादू कमांड का उपयोग करें (%timeit,%%time,%matplotlib inline) इनलाइन को बेंचमार्क करने और दृश्यमान बनाने के लिए
नोटबुक और स्क्रिप्ट का उपयोग कब करना है, इसका अंतर करें और "नोटबुक में खोजें, स्क्रिप्ट में जहाज करें" कार्यप्रवाह लागू करें
सामान्य नोटबुक फंदे की पहचान करें और उनसे बचेंः अनियमित निष्पादन, छिपा हुआ राज्य और मेमोरी लीक

समस्या

हर एआई पेपर, ट्यूटोरियल और कैगल प्रतियोगिता में ज्यूपिटर नोटबुक का उपयोग किया जाता है. वे आपको कोड को टुकड़ों में चलाने देते हैं, आउटपुट को लाइन में देखते हैं, कोड को स्पष्टीकरण के साथ मिलाते हैं, और तेजी से पुनरावृत्ति करते हैं। यदि आप नोटबुक के बिना एआई सीखने की कोशिश करते हैं, तो आप बिना कागज के खरोंच के गणित होमवर्क कर रहे हैं।

लेकिन नोटबुक में असली जाल हैं. लोग उन्हें हर चीज के लिए उपयोग करते हैं, जिसमें वे भयानक हैं। नोटबुक का उपयोग कब करना है और स्क्रिप्ट का उपयोग कब करना है यह जानना आपको बाद में बुराई के सपने से बचाएगा।

अवधारणा

नोटबुक कोशिकाओं की एक सूची है। प्रत्येक कोशिका या तो कोड या पाठ है।

graph TD
    A["**Markdown Cell**\n# My Experiment\nTesting learning rate 0.01"] --> B["**Code Cell** ► Run\nmodel.fit(X, y, lr=0.01)\n---\nOutput: loss = 0.342"]
    B --> C["**Code Cell** ► Run\nplt.plot(losses)\n---\nOutput: inline plot"]

कर्नेल एक पायथन प्रक्रिया है जो पृष्ठभूमि में चलती है। जब आप एक सेल चलाते हैं, तो यह कोड को कर्नेल को भेजता है, जो इसे निष्पादित करता है और परिणाम वापस भेजता है। सभी कोशिकाएं एक ही कर्नेल साझा करती हैं, इसलिए कोशिकाओं के बीच चर बरकरार रहते हैं।

graph LR
    A[Notebook UI] <--> B[Kernel\nPython process]
    B --> C[Keeps variables in memory]
    B --> D[Runs cells in whatever order you click]
    B --> E[Dies when you restart it]

"जो भी आदेश आप क्लिक करें" भाग सुपर पावर और पैर बंदूक दोनों है।

इसे बनाओ

चरण 1: अपना इंटरफ़ेस चुनें

तीन विकल्प, एक प्रारूपः

Interface	Install	Best for
JupyterLab	`pip install jupyterlab` then `jupyter lab`	Full IDE experience, multiple tabs, file browser, terminal
Jupyter Notebook	`pip install notebook` then `jupyter notebook`	Simple, lightweight, one notebook at a time
VS Code	Install "Jupyter" extension	Already in your editor, git integration, debugging

तीनों एक ही पढ़ते और लिखते हैं .ipynbआप जो चाहें चुनें। JupyterLab AI काम में सबसे आम है।

bashpip install jupyterlab
jupyter lab

चरण 2: महत्वपूर्ण कीबोर्ड शॉर्टकट

आप दो मोड में काम करते हैं। दबाएँ Escapeकमांड मोड के लिए (बाएं ओर नीला पट्टी), Enterसंपादन मोड (ग्रीन बार) के लिए।

Command mode (most used):

Key	Action
`Shift+Enter`	Run cell, move to next
`A`	Insert cell above
`B`	Insert cell below
`DD`	Delete cell
`M`	Convert to markdown
`Y`	Convert to code
`Z`	Undo cell operation
`Ctrl+Shift+H`	Show all shortcuts

Edit mode:

Key	Action
`Tab`	Autocomplete
`Shift+Tab`	Show function signature
`Ctrl+/`	Toggle comment

Shift+Enterयह वह है जिसका आप दिन में एक हजार बार उपयोग करेंगे. पहले इसे सीखें.

चरण 3: कोशिका प्रकार

Code cellsपायथन चलाएं और आउटपुट दिखाएंः

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

आउटपुट: (0.0032, 0.9987)

Markdown cellsवे एक ही समय में एक ही समय में एक ही समय में एक ही समय में एक ही समय में एक ही समय में एक ही समय में एक ही समय में एक ही समय में एक ही समय में एक ही समय में एक ही समय में एक ही समय में एक ही समय में एक ही समय में एक ही समय में एक ही समय में एक ही समय में एक ही समय में एक ही समय में एक ही समय में एक ही समय में एक ही समय में एक ही समय में एक ही समय में एक ही समय में एक ही समय में एक ही समय में एक ही समय में एक ही समय में एक ही समय में एक ही समय में एक ही समय में एक ही समय में एक ही समय में एक ही समय में एक ही समय में एक ही समय में एक ही समय में एक ही समय में एक ही समय में एक ही समय में एक ही समय में एक ही समय में एक ही समय में एक ही समय में एक ही समय में एक ही समय में एक ही समय में एक ही समय में एक ही समय में एक ही समय में एक ही समय में एक ही समय में एक ही समय में एक ही समय में एक ही समय में एक ही समय में एक ही समय में एक ही समय में एक ही समय में एक ही समय में एक ही समय में एक ही एक ही समय में एक ही समय में एक ही समय में एक ही समय में एक ही एक समय में एक ही समय में एक समय में एक ही एक समय में एक समय में एक समय में एक ही एक समय में एक समय में एक समय में एक समय में एक समय में एक समय में एक समय में एक समय में एक समय में एक समय में एक समय में एक समय में एक समय में एक समय में एक समय में एक समय में एक समय में एक समय में एक समय में एक समय में एक समय में एक समय में एक समय में एक समय में एक समय में एक समय में एक समय में एक समय में एक समय में एक समय में एक समय में एक समय में एक समय में एक समय में एक समय में एक समय में एक समय में एक समय में एक समय में एक समय में एक समय में एक समय में एक समय में एक समय में एक समय में एक समय में एक समय में एक समय में एक समय में एक समय में एक समय में एक समय में एक समय में एक समय में एक समय में एक समय में एक समय में एक समय में एक समय में एक समय में एक समय में एक समय में एक समय में एक समय में एक समय में एक समय में एक समय में एक समय में एक समय में एक समय में एक समय में एक $E = mc^2$ ), तालिकाएँ और चित्र।

चरण 4: जादूई आदेश

ये पायथन नहीं हैं, वे Jupyter विशिष्ट आदेश हैं जो शुरू होते हैं के साथ%(लाइन जादू) या %%(सेल जादू)

Time your code:

python%timeit np.random.randn(10000)

आउटपुट: 45.2 us +/- 1.3 us per loop

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

आउटपुट: Wall time: 2.34 s

%timeitकोड कई बार चलाता है और औसत। %%timeइसे एक बार चलाता है।%timeitमाइक्रोबेन्चमार्क के लिए, %%timeप्रशिक्षण रन के लिए।

Enable inline plots:

python%matplotlib inline

हर plt.plot()या plt.show()अब सीधे नोटबुक में प्रस्तुत करता है।

Install packages without leaving the notebook:

python!pip install scikit-learn

!पूर्ववर्ती किसी भी शेल कमांड चलाता है।

Check environment variables:

python%env CUDA_VISIBLE_DEVICES

चरण 5: रिच आउटपुट इनलाइन प्रदर्शित करें

नोटबुक ऑटो सेल में अंतिम अभिव्यक्ति प्रदर्शित करते हैं. लेकिन आप इसे नियंत्रित कर सकते हैंः

pythonimport 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

यह एक स्वरूपित HTML तालिका, एक पाठ डंप नहीं प्रस्तुत करता है।

pythonimport 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()

प्लॉट सेल के नीचे दिखाई देता है. यही कारण है कि नोटबुक AI काम पर हावी हैं. आप डेटा, प्लॉट और कोड को एक साथ देखते हैं.

चित्रों के लिएः

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

चरण 6: गूगल कोलाब

कोलाब एक मुफ्त Jupyter नोटबुक है। यह आपको एक GPU, पूर्व-स्थापित पुस्तकालय और Google ड्राइव एकीकरण देता है। कोई सेटअप आवश्यक नहीं है।

जाओ colab.research.google.com
किसी भी अपलोड .ipynbइस पाठ्यक्रम से फ़ाइल
रनटाइम > रनटाइम प्रकार बदलें > T4 GPU (मुफ्त)

स्थानीय ज्युपीटर से कोलाब अंतरः

सत्रों के बीच फ़ाइलें नहीं बनी रहती हैं (ड्राइव या डाउनलोड पर सहेजें)
पूर्व स्थापितः नम्पी, पांडा, मैटप्लोटलिब, मशाल, टेन्सॉर्फ्लो, स्क्लेयर
from google.colab import filesफ़ाइलों को अपलोड/डाउनलोड करने के लिए
from google.colab import drive; drive.mount('/content/drive')निरंतर भंडारण के लिए
90 मिनट की निष्क्रियता के बाद सत्रों का समय (मुक्त स्तर)

इसका प्रयोग करें

नोटबुक बनाम स्क्रिप्टः कब कौन सा उपयोग करें

Use notebooks for	Use scripts for
Exploring a dataset	Training pipelines
Prototyping a model	Reusable utilities
Visualizing results	Anything with `if __name__`
Explaining your work	Code that runs on a schedule
Quick experiments	Production code
Course exercises	Packages and libraries

नियम: explore in notebooks, ship in scripts. .

एआई में एक आम कार्यप्रवाहः

नोटबुक में डेटा खोजें
नोटबुक में अपना मॉडल प्रोटोटाइप
एक बार यह काम करता है, कोड स्थानांतरित करने के लिए .pyफ़ाइलें
उन आयात .pyआगे के प्रयोगों के लिए फ़ाइलों को नोटबुक में वापस

आम जाल

Out-of-order execution.आप सेल 5 चलाते हैं, फिर सेल 2 और फिर सेल 7। नोटबुक आपकी मशीन पर काम करता है लेकिन जब कोई इसे ऊपर से नीचे चलाता है तो टूट जाता है। ठीक करेंः साझा करने से पहले कर्नेल > पुनरारंभ और सभी चलाएं।

Hidden state.आप एक सेल को हटा देते हैं लेकिन यह परिवर्तनीय अभी भी स्मृति में है। नोटबुक साफ दिखता है लेकिन एक भूत सेल पर निर्भर करता है। फिक्सः नियमित रूप से कर्नेल को पुनरारंभ करें।

Memory leaks.4GB डेटा सेट लोड करना, एक मॉडल को प्रशिक्षित करना, एक और डेटा सेट लोड करना. कुछ भी मुक्त नहीं होता है।del variable_nameऔर gc.collect(), या कर्नेल को पुनरारंभ करें.

इसे भेजें

इस पाठ से उत्पन्न होता हैः

outputs/prompt-notebook-helper.mdनोटबुक समस्याओं को डिबग करने के लिए

व्यायाम

JupyterLab खोलें, एक नोटबुक बनाएं और उसका उपयोग करें %timeit100,000 यादृच्छिक संख्याओं की सरणी बनाने के लिए सूची समझ बनाम numpy की तुलना करने के लिए
एक नोटबुक बनाएं जिसमें मार्कडाउन और कोड दोनों कोशिकाएं हों जो सीएसवी लोड करें, एक डेटाफ्रेम प्रदर्शित करें और एक चार्ट का ग्राफ बनाएं। फिर Kernel > Restart & Run All चलाएं ताकि यह सत्यापित हो सके कि यह ऊपर से नीचे तक काम करता है
कोड ले लो code/notebook_tips.py, इसे एक कोलाब नोटबुक में पेस्ट करें, और इसे एक मुक्त जीपीयू के साथ चलाएं

प्रमुख शर्तें

Term	What people say	What it actually means
Kernel	"The thing running my code"	A separate Python process that executes cells and keeps variables in memory
Cell	"A code block"	An independently runnable unit in a notebook, either code or markdown
Magic command	"Jupyter tricks"	Special commands prefixed with `%` or `%%` that control the notebook environment
`.ipynb`	"Notebook file"	A JSON file containing cells, outputs, and metadata. Stands for IPython Notebook

आगे पढ़ना

JupyterLab Docsपूर्ण विशेषता सेट के लिए
Google Colab FAQकोलाब विशिष्ट सीमाओं और विशेषताओं के लिए
28 Jupyter Notebook Tipsबिजली प्रयोक्ता शॉर्टकट के लिए

This free lesson is part of the AI Engineering from Scratch curriculum. Read the full explanation, run the lesson code, and verify the result in the interactive reader or from the repository source.

Browse the complete course catalog or open this lesson on GitHub.