如果你正在赶火车，这里是机器学习系列简介博客的链接，你可以从一开始就看到这个系列。在这个简介博客的结尾，你可以找到这个系列每个元素的链接。
在我们开始之前，快速回顾一下上周的时间
上一次，我们研究了如何利用SAP HANA R集成，它为大约11000个软件包打开了大门。所以，如果你觉得内置库（APL&PAL）不能提供你所需要的，或者你也想按自己的方式做事，现在你可以了！
我希望你们都能尝试一下，也许你们中的一些人已经开始比较PAL实现和R算法。随时分享您的反馈！
我知道我在上一次发布时（3周前）承诺过要深入研究TensorFlow集成。
但是由于我的NUC和我运行的一些虚拟机存在技术困难，什么是云计算和大数据，我不得不重建了几次（是的，如果你不按照说明操作，微信淘客，系统仍然会出问题），我决定推迟这篇文章，直到我能够理解为止找出一个在SUSE或Red Hat系统上设置TensorFlow服务模型服务器的简单方法，并提供一个有趣但简单的模型示例。
下周，我将尽我所能完成External Machine Learning（EML）library文章！
但本周的主题是Jupyter笔记本！
您可能会问为什么Abdel会谈论Jupyter笔记本，因为它不是SAP产品。原因很简单：它是与SAP产品一起使用的一个很好的工具。但同时也因为，如今在机器学习相关活动中使用Jupyter笔记本变得非常普遍。
这可能是与SAP HANA一起使用的完美工具，所有机器学习活动的速成版，因为它将允许您在那里做几乎所有您需要的事情：
运行SQL查询并在可视化中使用结果使用Python或R编写代码，并在使用SAP HANA实例中的数据时利用数千个可用包，如果Jupyter笔记本是一个开源的网络应用程序，允许你创建和共享包含实时代码、公式、可视化和叙述性文本的文档。
用途包括：数据清理和转换、数值模拟、统计建模、数据可视化、机器学习，更重要的是，
Jupyter项目是一个非盈利的开源项目，2014年诞生于IPython项目，内部优惠券，它支持所有编程语言的交互式数据科学和科学计算。
Jupyter是通过Jupyter社区的共识在GitHub上开发的。有关我们的管理方法的更多信息，请参阅我们的管理文档。
您可以在本地计算机或SAP HANA express edition服务器上安装Jupyter Notebook。
安装非常简单如果您选择本地安装，请参阅联机安装指南。
现在，如果您决定在SAP HANA express edition上安装Jupyter，您需要考虑我在教程中记录的一些事项。
例如，您需要生成一个配置文件并启用计算机IP地址而不是本地主机，除了设置SSL（可选）和密码（可选）。
使用带SAP HANA的Jupyter笔记本，速成版
请随意使用教程中的"提供反馈"链接，让我知道您对它的看法。
您可能已经意识到Jupyter最初是为运行Python脚本而设计的（实际上是使用一系列Python模块构建的）。
这意味着您可以使用SAP HANA Python驱动程序来连接和使用您的应用程序数据。但是需要您使用Python数据库API编写Python代码。
如果我可以告诉您，您可以使用Python数据库API构建一个运行SQL的Jupyter笔记本呢？
这就像魔术？事实上，这是ipythonsql的魔力。多亏了catherinedevlinworks，现在您可以用一个简单的%SQL作为SQL语句的前缀并获得结果了！
使用ipython sql magic意味着要使用SQLAlchemy，一个很棒的Python sql工具箱和对象关系映射器模块，以及SAP HANA的SQLAlchemy方言，大数据的商业价值，后者是Git上开源SAP存储库的一部分。
要开始使用它，在笔记本的第一个单元格中添加并调整以下代码：
然后您可以在所有SQL语句前面加上%SQL，如下所示：
如果您愿意，您可以操作返回结果集（API）：
如果您想了解有关open source@SAP的更多信息，请务必关注我的同事Jonathan Baker或查看他的博客介绍open更多细节请咨询SAP。
当您进入"机器学习"领域时，您可能会认为您的日常工作将是在数据上运行算法。
但这与现实相去甚远。
正如您在机器学习的方框（第2周）：项目方法学中所读到的，大部分工作都花在了（有时甚至浪费在）数据上数据准备
所以你将投入大量的时间分析数据并找到你需要记录的证据。我认为（根据构建大量文档和PowerPoint的经验），你必须使其尽可能具有交互性。
如果我们查看鸢尾花数据集，即使它"只是"4个数值属性来预测物种，你也可以使用不同的可视化来实现这一点，用你选择的语言。
假设你想绘制物种的频率基于4个属性中的每一个，这是您在Jupyter中使用Python内核编写的代码，例如使用matplotlib中的sklearn和pyplot:
但是您可以使用R内核：
执行完全相同的操作，云服务器品牌，这将输出如下内容：
或者在Python中使用散点图：
和在R中使用其他选项做什么我必须"演示和分享"，但没有太多的编码？
那么我认为SAP Lumira就是你要找的。好消息是，您现在甚至有了一个专门的openSAP课程
开始使用SAP Lumira
结论
将Jupyter添加到我们的软件堆栈将真正帮助您实现数据科学的一些关键目标：代码、测试、，演示与分享
Jupyter绝对是我将在下一次参加或主持的hackathon中使用和推动的工具
这一次，下一个出版物将是关于TensorFlow的，我已经构建了内容
我只是缺少了一个关于图像处理的简单示例，Walldorf的一位同事好心地给我发了一个这样的示例我需要调查。
在这之后，我将暂停在出版物上，因为我期待在4月1日有一个新的家庭成员（不是玩笑）。
（记住分享和给予反馈是关心！）
更新：这里是所有机器学习盒子每周博客的链接：
