我不喜欢笔记本——乔尔·格鲁斯(艾伦人工智能研究所)

I don't like notebooks.- Joel Grus (Allen Institute for Artificial Intelligence)

频道:O'Reilly · 时长:56:12 · 发布:2018-10-10 · 播放:120324

在 YouTube 观看

简介

乔尔·格鲁斯在JupyterCon的演讲,解释他为什么不喜欢Jupyter笔记本。他涵盖了隐藏状态、可重复性和测试的麻烦,以及笔记本如何阻碍教学。他展示了自己偏好的工作流程以及Jupyter可以改变什么。

HN 为什么推荐

这是对笔记本的首选有趣、不敬的批评,每当HN辩论笔记本与可测试代码时都会被链接。

父文章链接了这个很棒的演讲,它比父帖子更详细,而且更容易理解 — HN, 2024

Python、Ruby 与脚本语言 · 测试、调试与开发者工具 · 数据科学与统计

中文字幕节选

大家好,感谢各位前来,我叫Joel,我不喜欢notebook,所以 可能我是会议上唯一这样的人,但在这个房间里,不,好吧 很好,因为在现实世界中,我们这样的人有几十个,这里有几个,那么 我们是怎么走到这一步的?嗯,我对notebook感到愤怒,我发推文说我希望他 能谈谈我对notebook的愤怒,有人在听,然后 它被接受了,所以你知道,数据科学界的知名人士认为这听起来像是 一种无益的消磨时间的方式,我也得到了很多其他积极的反馈 但我们现在在这里,那么什么样的人不仅不喜欢notebook,还 去参加一个关于notebook的会议来谈论他如何不喜欢notebook,所以 我是Allen超级人工智能的研究工程师,我的工作是Python 库设计和可重复科学,所以我对这些话题有很多想法,我 不会称自己为Python专家,你永远不应该称自己为专家,但我 已经使用Python很长时间了,我对它有很多看法,我曾是 Woollett metrics的首席数据科学家,我管理过数据科学家,我指导数据 科学家,我写了一本流行的数据科学书,所以我对如何 教授数据科学也有一些想法,我在谷歌做了几年软件工程师 我参与Allen NLP,这是一个工程非常完善的项目,我制作 直播编码视频,所以我经常思考如何使用代码来教授概念,我写 一个关于Python的博客,有时更新,有时不更新,我和Andrew Musselman共同主持了一个数据 科学播客,叫做对抗性学习,如果你想知道 为什么最近没有剧集,那是我的错,我需要编辑它们,好了,这就是 我,我要开始计时了,我没有,让我现在开始,太快了 我有很多幻灯片 好的好的,这就是我,我对你们有什么假设?嗯,你们在这个会议上,所以 可能你们认为notebook很棒,你们来参加这个会议,也许想让我 改变你们的想法,所以让我先给出几个注意事项,一是我不是 notebook专家,我非常努力地不歪曲notebook,但 有可能我可能歪曲了,如果是这样,我道歉,但我有很多 抱怨,所以即使有一个是错的,也不可能全都是错的,另外 我相信可能有一些高级插件可以解决我的一些 担忧,但它们很冷门,我不知道它们,所以这就是为什么它们 不在这里,但我为不知道它们而道歉,小注意事项是有一个 新产品叫做Jupyter Lab,当我提出这个演讲时,它还没有发布 所以我还没有怎么用过它,有可能它解决了我的一些担忧 但它并没有解决所有问题,好了,在我进入我不喜欢的 notebook的事情之前,公平地说,我想谈谈我喜欢notebook的 地方,一是我真的喜欢文学编程模型,我喜欢 文档良好的代码,所以我喜欢在代码中混合markdown的想法,我觉得这 非常美观,这是展示事物的好方法,你知道,另一件 我喜欢notebook的事情是,内联图表非常棒,关于 绘图和Python控制台的故事并不好,所以我觉得这非常

HN 上的讨论

Jupyter notebooks 在最佳工程实践方面真的很糟糕。去年 JupyterCon 上 Joel Grus 有一个很棒的演讲叫“我不喜欢 notebooks”[0]。我强烈推荐。[0] [VIDEO] — kevsim, 2019-04
它们在这里——它们确实很不敬,但我发现自己强烈同意他所说的一切。[LINK] [VIDEO] — tcpekin, 2018-10
REPL 代表 Read–eval–print loop [LINK] 顾名思义,REPL 是交互式计算机编程环境这一更广泛范式的一个非常狭窄的版本。但 Notebook 不是 REPL,除非你把 REPL 理解为“交互式编程环境”而非 REPL。Notebook 比 REPL 广泛得多!在 notebook 中,你可以返回并编辑和运行 notebook 的单独行,而无需从头重新运行整个 notebook,也无需重新计算所有依赖于你刚刚编辑的内容。这种行为使得跟踪实际状态变得极其困难,并且极易失去对事物如何变成这样的追踪。这相当糟糕!父文章链接了这个很棒的演讲,它比父帖子更详细,也更容易理解:[VIDEO] — lelandbatey, 2024-06
首先,是的,这是一个常见问题。IPython 并不试图处理这个问题,它只是执行引擎。Notebooks 不必以 ipynb 形式存储,我建议看看 [LINK],而 notebook UI 本质上不是为多文件和应用开发设计的。所以培训人员总是必要的。技术上 Jupyter Notebook 甚至不关心 notebooks 是文件,你可以用比如 postgres 保存它们([LINK]),甚至可以在 notebooks 之间同步内容。我对这个特定话题已经不太了解了,但 [LINK] 上的其他人可能更了解,你也可以在 discourse.jupyter.org 上提问,我很确定你能找到关于这些问题的讨论帖。我认为在 Jupyter 方面,我们可以更好地策划和暴露许多工具来帮助解决这个问题,但一天只有那么多小时……我也推荐 Joel Grus 的“我不喜欢 notebook”,[VIDEO] 这… — carreau, 2022-01
将大量代码从 notebooks 中移到可测试的库中。在运行大型计算之前确认它能工作。我们尽量保持 notebooks 精简,将任何复杂的东西分解到 Python 库中。我们可以试验这个库的实现,在较小的数据集上编写单元测试以确认它能工作,然后再进行更大的实验。我们还可以将库部署到生产环境,确保用户得到与我们实验时完全相同的东西。我会推荐演讲“我不喜欢 notebooks”[VIDEO](还有另一种选择 nbdev,它在 100% notebooks 中创建完整的软件工程和实验设置。不是我特别喜欢的东西,但可能是另一种选择。) — softwaredoug, 2021-06

相关视频