.NET Core 人工智能系列-.NET Interactive环境介绍

      在进入.NET Core 的人工智能应用开始前，我们先把环境搭建好，为以后的学习提供一个便利。

      作为一个.NET 程序员，或者其他编程语言的程序员，相信对IDE的依赖必不可少，如Visual Studio/Visual StudioCode , IntelliJ , Eclipse等。但是对于一个从事数据科学的人来说，和传统的编程相比又有所不同，他们更喜欢通过Notebook作为主要的数据科学工作的工具。通过概述的学习，你可能知道这一个重要的知识点，但具体还是要和大家介绍以下。环境配置，我们也从.NET Interactive开始。

为何要用Jupyter Notebook？

 

 

       我们先看看Jupyter Notebook 是什么，。Jupyter 是一种免费的、开源的、交互式网络工具，称为计算笔记本，研究人员可以使用它在单个文档中组合软件代码、计算输出、解释性文本和多媒体资源。 Jupyter Notebook有以下特性

数据分析：Jupyter Notebook允许用户在线查看代码的结果，而无需依赖代码的其他部分。 在笔记本中，可以随时检查代码的每个单元格以绘制输出。 因此，与 传统IDE 不同，Jupyter Notebook有助于在线打印输出，这对于探索性数据分析 (EDA) 过程非常有用。

每个cell都有缓存：传统开发工具要保留每行的执行状态都比较难，但 Jupyter Notebook可以缓存每行的结果——无论是训练 ML 模型的本地代码还是从远程服务下载的代码。

和编程语言无关：支持多种语言，多种格式。

数据可视化：作为一个组件， Jupyter Notebook支持可视化并包括渲染一些数据集，如图形和图表，这些数据集是在 Matplotlib、Plotly 或 Bokeh 等模块的帮助下从代码生成的。 Jupyter 允许用户叙述可视化，同时共享代码和数据集，使其他人能够进行交互式更改。

与代码的实时交互：Jupyter Notebook 使用“ipywidgets”包，它提供了用于探索代码和数据交互性的标准用户界面。因此代码可以由用户编辑，也可以发送重新运行，使 Jupyter 的代码非静态。它允许用户控制代码的输入源并直接在浏览器上提供反馈。

记录代码示例：Jupyter 使用户可以轻松地逐行解释他们的代码，并附带反馈。更好的是，使用 Jupyter，用户可以添加交互性和解释ÿ