Notebooky jsou populární především mezi datovými vědci, kde se stali standardem pro výzkum a sdílení výsledků a pokud by si softwarový vývoj od nich něco mohl vzít, tak jsou to právě NB – nejčastěji Jupyter Notebooky. Jejich interaktivita umožní hned vidět výsledek každého kroku a upravovat si části dle libosti:
Chcete zjistit něco o datech, udělat si regresní křivku nebo jenom obyčejný histogram? Stačí načíst data třeba z excelu a je to.
Další věc, která šetří čas při rychlé analýze je možnost zavelet vykřičníkem a vykonat příkaz v commandlině.
Je super, že NB jdou, kromě jiného, pouštět pomocí rozšíření ve VSCode, takže editace kódu, fonty, vše funguje stejně, jako když píšeš aplikační kód a dostupný je i Copilot. Ten pomůže se syntaxí kódu klidně i jiného jazyka než jsi zvyklý/á – třeba v Pythonu, který má velkou základnu knihoven pro zpracování dat, AI a v NB je nejpoužívanější …
Kdo nechce Python, tak existují rozšíření i pro dotnet (.NET extension pack + Polyglot Notebooks) které zpřístupní další jazyky (C#, F#, PowerShell, JavaScript,… Mermaid) –
V Mermaid píšu blok, spustím a mám vizualizaci:
A kdo nechce ani VS Code, tak se dá otevřít v prohlížeči GoogleColab a začít si hned procházek příklady, upravovat a experimentovat.
Pokud jste ještě notebooková prostředí nevyzkoušeli, začněte jednoduchým projektem v Jupiter Notebooku nebo GoogleColab a uvidíte, jak se dá zábavně zkoušet.
Existují i různé kurzy na Udemy, které mají právě NB jako zdroje a procvičovací příklady, kde si postupně vyplňujete hravou formou buňky (napr. "Python Data Science and Machine Learning Bootcamp”) a tím si procvičíte probíraná témata.
A protože informatici milují grafy existují i nelineární možnosti propojování buněk, ale to zase někdy příště, rychlému prototypování a zkušení zdar.