janderson1719/janderscience repository overview

⁠Guia de Instalação e Uso da Imagem Docker "janderson1719/janderscience"

Neste guia, vamos aprofundar os passos para instalar o Podman e o Docker em várias plataformas, explorar a instalação e uso da imagem Docker "janderson1719/janderscience", e destacar a presença da ferramenta cookiecutter com um modelo pronto de projeto de ciência de dados. Essa imagem oferece um ambiente Ubuntu 23.04 com uma coleção ampla de ferramentas e bibliotecas pré-instaladas, especialmente projetadas para cientistas e analistas de dados.

⁠Instalação do Podman e Docker

⁠Ubuntu

sudo apt update
sudo apt install -y podman docker.io
sudo systemctl enable --now docker

⁠CentOS

sudo dnf install -y podman
sudo dnf install -y dnf-plugins-core
sudo dnf config-manager --add-repo https://download.docker.com/linux/centos/docker-ce.repo
sudo dnf install -y docker-ce
sudo systemctl enable --now docker

⁠Fedora

sudo dnf install -y podman
sudo dnf install -y moby-engine
sudo systemctl enable --now docker

⁠macOS

• Baixe e instale o Docker Desktop a partir do site oficial do Docker.

⁠Windows

• Baixe e instale o Docker Desktop a partir do site oficial do Docker.

⁠Ferramentas Adicionais

⁠LazyDocker

LazyDocker é uma ferramenta de linha de comando que simplifica o monitoramento e gerenciamento de containers Docker e Podman por meio de uma interface visual.

curl https://raw.githubusercontent.com/jesseduffield/lazydocker/master/scripts/install_update_linux.sh | bash

⁠Podman Desktop

Podman Desktop é uma interface gráfica que facilita o gerenciamento de containers Podman em sistemas Windows e macOS.

• Baixe e instale a partir do site oficial do Podman.

⁠Docker Desktop

Docker Desktop é uma interface gráfica que simplifica o gerenciamento de containers Docker em sistemas Windows e macOS.

• Baixe e instale a partir do site oficial do Docker.

⁠Imagem Docker "janderson1719/janderscience"

A imagem Docker "janderson1719/janderscience" oferece uma série de vantagens específicas para cientistas e analistas de dados:

Ubuntu Atualizado (23.04): A escolha de um sistema operacional Ubuntu atualizado oferece segurança, desempenho e acesso às últimas melhorias do sistema.

Ambiente Anaconda3: O Anaconda3 é um ambiente de gerenciamento de pacotes Python que simplifica a instalação e gerenciamento de bibliotecas científicas.

Aprimoramento da Linha de Comando: A inclusão do Oh-My-Zsh e Spaceship Prompt torna a experiência da linha de comando mais produtiva e agradável.

Ferramentas de Desenvolvimento: A presença de Git, Zsh, Vim e Neovim aumenta a eficiência do desenvolvimento e facilita a colaboração em projetos.

Bibliotecas Científicas: A imagem já inclui uma variedade de bibliotecas essenciais para análise de dados e ciência:

• bpython: Um interpretador interativo do Python com recursos avançados de edição e depuração.
• rich e rich-cli: Bibliotecas para criação de saída de terminal com formatação avançada.
• typer: Facilita a criação de linha de comando interativa em Python.
• xonsh: Shell interativo e linguagem de script para uso geral.
• plotly: Biblioteca gráfica interativa para visualização de dados.
• cookiecutter: Gera projetos a partir de modelos pré-definidos.
• streamlit: Criação de aplicativos da web para visualização de dados.
• yapf, pylint, autopep8, flake8: Ferramentas de formatação e linting de código.
• ruff: Ferramenta de análise estática para Python.
• openai: Biblioteca para interagir com a API da OpenAI.
• seaborn: Visualizações estatísticas baseadas no Matplotlib.
• faker: Geração de dados falsos para testes.

Bibliotecas Científicas Avançadas: Além disso, a imagem também possui:

• simpy: Biblioteca de simulação para modelagem e análise de sistemas.
• scipy, numpy: Bibliotecas fundamentais para computação científica.
• geopy, geopandas, folium: Ferramentas para análise e visualização de dados geoespaciais.
• pandas-profiling: Criação automática de perfis de dados.
• mlxtend: Extensões para aprendizado de máquina em Python.

⁠Uso da Imagem "janderson1719/janderscience"

1. Executando a Imagem:

docker run -it -p 8888:8888 -v /caminho/para/diretorio/local:/app janderson1719/janderscience

1. Acessando o Jupyter Lab:

Acesse http://localhost:8888 em um navegador. O token é vazio.

1. Explorando Ferramentas e Bibliotecas:

Com as bibliotecas e ferramentas pré-instaladas, você pode explorar análise de dados, visualização, modelagem e muito mais.

1. Usando Ambientes Virtuais:

Use o conda para criar e gerenciar ambientes virtuais específicos.

conda create -n meuambiente python=3.8
conda activate meuambiente

1. Usando o Cookiecutter Data Science:

A imagem já inclui o comando cookiecutter. Use o modelo de ciência de dados predefinido com:

cookiecutter https://github.com/drivendata/cookiecutter-data-science

Projeto Cookiecutter Data Science:

O projeto Cookiecutter Data Science é um template que estabelece uma estrutura de pastas organizada para projetos de análise de dados. Ele cria uma estrutura coesa, incluindo pastas para notebooks, dados, resultados e muito mais. Isso promove a organização do projeto e facilita a colaboração.

A estrutura típica de pastas do Cookiecutter Data Science inclui:

• data: Para armazenar dados brutos ou processados.
• notebooks: Para notebooks Jupyter e análises interativas.
• src: Para código-fonte do projeto.
• results: Para resultados intermediários ou finais.
• reports: Para relatórios ou apresentações.
• environment.yml: Para definir as dependências do ambiente conda.
• **README.md

**: Para documentação do projeto.

Esta estrutura otimiza o fluxo de trabalho e promove boas práticas de organização em projetos de ciência de dados.

⁠Comandos Úteis

Docker:

• docker pull janderson1719/janderscience: Baixa a imagem.
• docker run -it <imagem>: Executa um container interativo.
• docker ps -a: Lista todos os containers.
• docker exec -it <container_id> <comando>: Executa um comando no container.

Podman:

• podman pull janderson1719/janderscience: Baixa a imagem.
• podman run -it <imagem>: Executa um container interativo.
• podman ps -a: Lista todos os containers.
• podman exec -it <container_id> <comando>: Executa um comando no container.

Lembre-se de substituir <imagem> e <container_id> pelos valores corretos.

Este guia proporcionou instruções detalhadas sobre a instalação e uso do Podman e Docker, sobre a imagem "janderson1719/janderscience", bem como uma visão detalhada sobre o projeto Cookiecutter Data Science. Agora você está preparado para explorar o mundo da análise de dados e ciência de dados de maneira organizada e eficiente!

⁠Suporte

[email protected]⁠ [email protected]⁠