Erwerben Sie Kenntnisse in Jupyter Notebook und Python für die Datenvisualisierung, die effiziente Arbeit mit Notebooks und das Hochleistungsrechnen. Sie beginnen mit der Konfiguration von Jupyter Notebook und der Verwendung von IPython für Markdown, Berechnungen, Dokumentation und die interaktive Codeausführung. Anschließend verwenden Sie Matplotlib und NumPy, um Linien-, Streu-, Histogramm-, Balken-, Kreis- und Polardiagramme zu erstellen und anzupassen.

Im weiteren Verlauf entwerfen Sie wissenschaftliche Visualisierungen mit Anmerkungen, mehreren und logarithmischen Achsen, Datumsformatierung, Mathtext, LaTeX-Rendering, Konturdiagrammen und Bilddarstellung. Sie arbeiten mit IPython-Magic-Befehlen, Konfigurationsoptionen, HTML- und JavaScript-Rendering, interaktiven Widgets, Kernels und Unit-Tests für zuverlässige Notebook-Workflows. Anschließend konzentrieren Sie sich auf die Leistungsoptimierung in Python. Sie konvertieren Notebooks in HTML und LaTeX, verarbeiten strukturierte Daten mit JSON, erstellen Code-Profile, nutzen Memory-Mapping für große NumPy-Arrays und erstellen interaktive Echtzeitanwendungen. Schließlich beschleunigen Sie Python mit Numba, Cython und C-Integration; führen asynchrones, paralleles, verteiltes und clusterbasiertes Rechnen durch; und erkunden fortgeschrittene Visualisierung mit Seaborn, D3.js und Julia. Dieser Kurs richtet sich sowohl an Anfänger, die Jupyter erlernen möchten, als auch an Praktiker, die ihre Arbeitsabläufe in den Bereichen Data Science, Forschung oder Analytik verbessern möchten. Er bietet einen Weg von der Einrichtung und der Erstellung von Diagrammen bis hin zu optimierten, skalierbaren Berechnungen. Melden Sie sich an, um klarere Visualisierungen zu erstellen, effizient in IPython zu arbeiten und die Leistung datengesteuerter Anwendungen zu verbessern.