Help us understand the problem. What is going on with this article?

Macでデータサイエンス100本ノックを動かす方法

データサイエンス100本ノックとは?

 良さそうなものがありました。
データサイエンス初学者のための実践的な学習環境 「データサイエンス100本ノック(構造化データ加工編)」をGitHubに無料公開

 動かし方はREADMEに書いてあるので、慣れている人は一瞬で動かせると思いますが、初心者だとちょっと戸惑いそうなので、メモがわりに動かし方を書いておきます。

データサイエンス100本ノック環境構築方法

 やることは大きく以下の2つです。

  • Dockerセットアップ
  • Docker上で動かす

 それぞれ説明していきます。

Dockerセットアップ

 Dockerの概要とインストール方法は以下参照ください。

Docker入門して機械学習環境構築

Docker上で動かす

 READMEの通り、以下コマンド実行しましょう。

$ git clone https://github.com/The-Japan-DataScientist-Society/100knocks-preprocess
$ cd 100knocks-preprocess
$ docker-compose up -d --build

 全部完了したら、ブラウザで以下のアドレスにアクセスします。

http://localhost:8888

 以下のような画面が表示されたらOKです。

data_01.png

 「preprocess_knock_Python.ipynb」というファイルを選択すると、以下のようにJupyter Notebookが実行できます。

data_02.png

 あとはEnjoyしましょう!

まとめ

 Macでデータサイエンス100本ノックを動かす方法をメモがわりに簡単に紹介してみました。

 データ分析の100本ノックはやるかは正直分からないのですが、それよりDockerでこうやって環境構築できることを知れたのが良かったです。固定した環境とセットでGitHub上でJupyter Notebookを公開できるのは、再現性が高そうで便利ですね。

参考リンク

データサイエンス100本ノックやってみる(環境構築)
Windowsの場合の情報

データサイエンス100本ノックを、Google ColabとAzure Notebooksで気軽に行いたい!
Google ColabやAzure Notebooksで動かしたい人向け

だから僕はpandasをやめた【データサイエンス100本ノック(構造化データ加工編)篇 #1】
だから僕はpandasをやめた【データサイエンス100本ノック(構造化データ加工編)篇 #2】

【Python】データサイエンス100本ノック(構造化データ加工編) 001-010 所感+解説リンクまとめ

Juliaでデータサイエンス100本ノック(構造化データ加工編)
Juliaでやってみた例。Juliaに関しては「高速な科学計算言語「Julia」入門」を参照ください。

関連ページ

Python関係の「○○100本ノック」のまとめ

変更履歴

  • 2020/08/02 参考リンク追記
  • 2020/07/02 参考リンク追記
  • 2020/06/21 参考リンク追記
  • 2020/06/17 関連ページ追記
karaage0703
闇のエンジニア/変なデジカメ開発中/ディープラーニング芸人/Raspberry Piとからあげ大好き/はてなブログ書いてます
https://karaage.hatenadiary.jp
Why not register and get more from Qiita?
  1. We will deliver articles that match you
    By following users and tags, you can catch up information on technical fields that you are interested in as a whole
  2. you can read useful information later efficiently
    By "stocking" the articles you like, you can search right away
Comments
No comments
Sign up for free and join this conversation.
If you already have a Qiita account
Why do not you register as a user and use Qiita more conveniently?
You need to log in to use this function. Qiita can be used more conveniently after logging in.
You seem to be reading articles frequently this month. Qiita can be used more conveniently after logging in.
  1. We will deliver articles that match you
    By following users and tags, you can catch up information on technical fields that you are interested in as a whole
  2. you can read useful information later efficiently
    By "stocking" the articles you like, you can search right away
ユーザーは見つかりませんでした