#Jupyter

datascience

《Awesome Data Science with Python》提供了一套全面的数据科学资源，包含核心Python库如pandas和scikit-learn、多种数据可视化工具、机器学习技术，以及Jupyter环境优化和大数据处理方法。此外，还包括广泛的数据分析和处理教程，适用于不同层次的数据科学研究和应用。

ml-workspace

ML Workspace 是一个集成多种流行数据科学库与工具的Web-based IDE (如Tensorflow, PyTorch, Keras, Sklearn)。支持Jupyter、VS Code、Tensorboard，便于快速部署并适用于本地机器学习开发，具备硬件与训练监控功能。支持通过Web、SSH或VNC进行远程访问，兼容Mac、Linux和Windows平台。

langchain-visualizer

适配Ought的ICE visualizer，为LangChain交互提供美观展示。查看每次与LLM交互的完整提示文本，通过颜色区分硬编码和模板替换部分，检查执行流程及调用成本。支持Jupyter笔记本和文档嵌入可视化，适合偏好ICE UI的用户。欢迎查看示例和VCR LangChain项目。

ipydatagrid

ipydatagrid是专为Jupyter Notebook和JupyterLab开发的数据网格工具。它具有全功能界面，支持高性能操作，并与ipywidgets无缝集成。该工具允许通过多种渲染器自定义数据展示，提供双向数据绑定的选择模型，并支持使用Vega表达式进行条件格式化。ipydatagrid显著提升了Jupyter环境中的数据交互和可视化效果。

inspectus

Inspectus是一个为机器学习设计的可视化工具，集成于Jupyter笔记本环境。通过Python API，它提供注意力机制可视化功能，包括注意力矩阵、查询令牌热图等，有助于理解模型内部运作。工具还支持数据分布分析和异常检测，可用于Hugging Face模型及自定义注意力图。Inspectus致力于简化机器学习模型的分析过程，为研究和开发提供支持。

execnb

execnb是一个Python工具，能在无Jupyter服务器环境下执行Jupyter代码并捕获输出。它包含CaptureShell类用于代码执行和笔记本保存，以及命令行工具exec_nb。支持代码注入和异常处理，适用于数据科学和自动化工作流程。

jupytext

Jupytext将Jupyter笔记本转换为文本格式，如Python脚本或Markdown文件，便于版本控制和IDE编辑。它支持配对笔记本、命令行操作和多种编程语言，优化了数据科学工作流程。该工具简化了笔记本的协作过程，提高了团队效率。

vizly-notebook

Vizly Notebook作为Jupyter的替代方案，融合了AI技术，为数据分析和编程提供了更智能的环境。这个开源工具支持自然语言代码编辑、AI辅助问答和自动错误修复，保留了Jupyter的核心功能。它可在本地运行，支持Ollama和自定义API，为用户提供了一个免费、灵活且高效的数据分析平台。

handson-ml

该项目通过Python教授机器学习基本原理，包含《Hands-on Machine Learning with Scikit-Learn and TensorFlow》书中的示例代码和习题解答。用户可以使用Colab、Binder和Deepnote在线体验这些notebooks，或通过Anaconda在本地安装项目进行学习。详细介绍了安装步骤和常见问题解决方法，帮助用户理解和应用机器学习技术。