Jupyter Notebook je odprtokodna aplikacija v brskalniku projekta Jupyter, ki v enem dokumentu združuje izvedljivo kodo, rezultate, grafikone in razlagalno besedilo. Zvezki se pogosto uporabljajo pri analizi podatkov, strojnem učenju, raziskavah in poučevanju, ker je vsak korak mogoče dokumentirati in deliti na sledljiv način. Najpogostejši jezik je Python. Primer: analitik naloži podatke o prodaji, jih očisti in rezultate prikaže kot grafikon neposredno pod kodo.
Agenti, poteki dela in predloge v enem delovnem prostoru – brezplačna 24-urna predstavitev.
Začni predstavitevGoogle Colab (Colaboratory) je Googlova storitev v oblaku za izvajanje kode Python v zvezkih v slogu Jupyter neposredno v brskalniku, brez lokalne namestitve. Brezplačna različica ponuja tudi GPU-je in TPU-je, odvisno od razpoložljivosti in z omejitvami časa izvajanja; plačljivi paketi ponujajo več računske moči. Colab je priljubljen pri poučevanju, analizi podatkov in preizkušanju modelov, vgrajeni pomočnik Gemini pa pomaga pisati in popravljati kodo (stanje oktober 2026).
pandas je odprtokodna knjižnica za Python za analizo in obdelavo tabelaričnih podatkov, ki jo od leta 2008 razvija Wes McKinney. Njen osrednji objekt, DataFrame, spominja na tabelo z imenovanimi stolpci. Z njo je mogoče naložiti podatke iz datotek CSV, Excela ali podatkovnih zbirk ter jih čistiti, filtrirati, združevati v skupine in spajati. pandas temelji na NumPy in je standardno orodje pri analizi podatkov, poročanju in pripravi podatkov za učenje.
NumPy je temeljna odprtokodna knjižnica za Python za numerično računanje. Nudi večdimenzionalne tabele in hitre funkcije za linearno algebro, statistiko in naključna števila, njeno jedro pa teče v prevedeni kodi. Številna orodja za analizo podatkov in strojno učenje, kot so pandas, scikit-learn in številne knjižnice za vizualizacijo, temeljijo na NumPy. Kdor v Pythonu dela s podatki, ga zato skoraj vedno uporablja, neposredno ali posredno.
Raziskovalna analiza podatkov (EDA) je prvi, odprt pogled na podatkovno zbirko: izračunate povzetke, preučite porazdelitve in grafikone ter iščete vzorce, osamelce in manjkajoče vrednosti – še brez trdne hipoteze. Pomaga oceniti kakovost podatkov in poiskati smiselna vprašanja za nadaljnjo analizo ali modeliranje. Primer: pred napovedjo prodaje EDA razkrije, da je bil en mesec zaradi selitve sistema zabeležen nepopolno.
