JupyterLab est la version moderne de Jupyter Notebook, l'environnement interactif de référence pour la data science. Permet d'écrire et d'exécuter du code Python (et R, Julia, Scala) dans des cellules mélangées à du texte Markdown et des visualisations. Standard universel pour l'exploration de données et l'enseignement.
Exploration et analyse exploratoire de données
Les data analysts combinent dans un même notebook des cellules de code Python (pandas, matplotlib), du texte Markdown et des sorties graphiques pour documenter une analyse de bout en bout de façon reproductible.
Développement et prototypage de modèles ML
Les data scientists itèrent rapidement sur des modèles ML en exécutant cellule par cellule : chargement des données, feature engineering, entraînement, évaluation et visualisation des résultats sans recompiler un script entier.
Rapport analytique interactif partageable
Les notebooks Jupyter sont exportés en HTML ou PDF pour être partagés avec les parties prenantes, ou hébergés sur JupyterHub d'équipe pour une exécution collaborative en temps réel.
Enseignement et formation en data science
Jupyter est le standard de l'enseignement data : les cours Coursera, edX et les bootcamps utilisent des notebooks pré-remplis où les apprenants complètent du code, exécutent les cellules et visualisent les résultats immédiatement.
✓ Points forts
✗ Limites
✓ Fait pour vous si…
Exploration de données, prototypage, enseignement, communication de résultats. Point de départ de toute formation data.
✗ Pas fait pour vous si…
Code production (préférer des scripts Python testés), projets d'équipe avec fort besoin de versionning.
Documentation officielle Jupyter
DocumentationProject Jupyter
Python for Data Science (inclut Jupyter)
MOOCCoursera / IBM
Jupyter Notebook for Data Science
MOOCUdemy