Jupyter Notebook

Jupyter Notebook – otwarto‑źródłowa aplikacja internetowa umożliwiająca tworzenie i udostępnianie dokumentów zawierających kod źródłowy, wyniki jego działania, tekst sformatowany przy użyciu języka Markdown, wykresy, obrazy oraz inne multimedia. Jest szeroko stosowana w dziedzinach takich jak Data Science, Machine Learning, edukacja oraz badania naukowe.

Historia

Projekt wywodzi się z IPython – interaktywnego środowiska dla języka Python. W 2014 roku zespół twórców IPython postanowił rozdzielić interfejs webowy od samego interpretera, co doprowadziło do powstania projektu Jupyter. Nazwa „Jupyter” jest akronimem pochodzącym od trzech najpopularniejszych języków używanych w projekcie w początkowym okresie: Julia, Python i R.

Pierwsza wersja Jupyter Notebook została udostępniona w 2015 roku i od tego czasu stała się jednym z fundamentalnych narzędzi w ekosystemie open source.

Architektura

System składa się z trzech głównych komponentów:

• Jupyter Server – aplikacja serwera HTTP, który zarządza sesjami, autoryzacją oraz komunikacją z kernelami.
• Kernely – procesy wykonawcze języków programowania, które przetwarzają kod i zwracają wyniki. Najbardziej popularnym jest IPython kernel dla języka Python, ale dostępne są także kernely dla R, Julia, Scala i wielu innych.
• Frontend – aplikacja działająca w przeglądarce internetowej, napisana w JavaScript oraz wykorzystująca biblioteki React i RequireJS. To ona zapewnia edytor komórek, podgląd wyników oraz możliwość interaktywnego wykresu.

Zastosowania

Jupyter Notebook znajduje zastosowanie w wielu obszarach:

• Analiza danych – interaktywne eksplorowanie zestawów danych przy użyciu bibliotek NumPy, pandas oraz wizualizacji w Matplotlib czy Seaborn.
• Uczenie maszynowe – prototypowanie modeli w scikit-learn, TensorFlow lub PyTorch, a także tworzenie tutoriali.
• Edukacja – kursy i warsztaty programistyczne, gdzie instruktory mogą prezentować kod i jego wyniki w czasie rzeczywistym.
• Publikacje naukowe – platforma JupyterLab umożliwia łączenie notatek z wynikami eksperymentów, co sprzyja transparentności badań.
• Automatyzacja i raportowanie – generowanie raportów w formacie HTML, PDF lub LaTeX przy użyciu narzędzia nbconvert.

Ekosystem

Wokół Jupyter Notebook rozwinął się bogaty ekosystem:

• JupyterLab – nowoczesny interfejs użytkownika, będący rozszerzeniem klasycznego notebooka.
• JupyterHub – platforma umożliwiająca uruchamianie notebooków w środowiskach wieloużytkownikowych, popularna w uczelniach i firmach.
• Binder – usługa pozwalająca na udostępnianie i uruchamianie notebooków bez instalacji lokalnej.
• nbviewer – narzędzie do renderowania notebooków w przeglądarce bez ich uruchamiania.

Dostępność i instalacja

Jupyter Notebook jest dostępny na systemy Linux, Windows oraz macOS. Najprostszą metodą instalacji jest użycie menedżera pakietów pip:

pip install notebook

Alternatywnie, Jupyter jest częścią dystrybucji Anaconda, która zawiera dodatkowe biblioteki naukowe.

Porównania z innymi środowiskami

Cecha	Jupyter Notebook	RStudio	MATLAB Live Editor
Języki programowania	Wiele (Python, R, Julia, …)	Głównie R	MATLAB
Licencja	Apache 2.0 (open source)	GPL / komercyjna	Komercyjna
Rozszerzalność	Wtyczki, własne kernely	Pakiety R	Toolboxy MATLAB

Przyszłość

Rozwój Jupyter koncentruje się na integracji z chmurą (Kubernetes, Docker), wsparciu dla nowych języków oraz ulepszaniu doświadczenia użytkownika w JupyterLab. Projekt regularnie publikuje wersje stabilne oraz wprowadza funkcje usprawniające współpracę, takie jak współpraca w czasie rzeczywistym.

Bibliografia

1. Klienkowski, A. Jupyter Notebook – podręcznik praktyka. Wydawnictwo Naukowe, 2020.
2. Smith, J. Interactive Computing with Jupyter. Springer, 2019.
3. Oficjalna dokumentacja Jupyter (dostępna w ramach projektu open source).