GithubHelp home page GithubHelp logo

isabella232 / codecentric.ai-bootcamp Goto Github PK

View Code? Open in Web Editor NEW

This project forked from codecentric/codecentric.ai-bootcamp

0.0 0.0 0.0 174.3 MB

Kurs Inhalte für das codecentric.AI Bootcamp.

License: MIT License

Shell 0.01% Python 0.12% HTML 0.03% Batchfile 0.01% Jupyter Notebook 99.84%

codecentric.ai-bootcamp's Introduction

Praxisübungen des codecentric.AI Bootcamps

In diesem Repository findest Du die Praxisübungen des codecentric.AI Bootcamps.

Um den Code der Praxisübungen auf deinem Rechner ausführen zu können, musst du zuerst eine Entwicklungsumgebung (JupyterLab) einrichten. Hierfür durchlaufe einfach Schritt für Schritt die Anleitung hier unten.

Falls du Hilfe benötigen solltest, chatte einfach mit uns in unserer Slack Community. Wir freuen uns auch über Feedback zu deinen Erfahrungen.

Voraussetzungen:

Entwicklungsumgebung einrichten (lokal)

# Klone den Code mit Übungsaufgaben auf deinen Rechner
git clone https://github.com/codecentric/codecentric.AI-bootcamp

# Wechsele in den Ordner des Repositories
cd codecentric.AI-bootcamp

# Lade nun das Docker-Image herunter
docker pull codecentric/codecentric.ai-docker

Die Entwicklungsumgebung ist jetzt eingerichtet. Du kannst sie nun jederzeit wie folgt starten und aufrufen:

Entwicklungsumgebung starten

Der folgende Befehl muss aus dem Ordner codecentric.AI-bootcamp heraus gestartet werden.

  • Unter Mac / Linux:
# Starte die Entwicklungsumgebung
sh run.sh
  • Unter Windows 10:
# Starte die Entwicklungsumgebung mit Command Prompt (cmd)
run

# oder mit PowerShell
.\run.bat
  • Unter Windows 7 / 8:
# Aktualisiere die Übungen
git pull

# Starte die Entwicklungsumgebung. Ersetze den Beispielpfad mit deinem tatsächlichen Pfad. Anstatt der klassischen Notation deiner Drive mit C:, D: etc., verwende //c/ bzw. //d/, da Docker Toolbox Pfade mit Doppelpunkten nicht korrekt erfasst.

docker run -p 127.0.0.1:8888:8888 -v //c/Pfad/zu/Verzeichnis/bootcamp/codecentric.AI-bootcamp/notebooks:/notebooks -v //c/Pfad/zu/Verzeichnis/bootcamp/codecentric.AI-bootcamp/data:/data codecentric/codecentric.ai-docker

Los geht's! Rufe http://localhost:8888/ in deinem Browser auf.


Problembehebung

  • Ich sehe keine Übungsaufgaben, wenn ich die Entwicklungsumgebung starte

    Vermutlich wurde nicht der richtige Pfad der Übungsaufgaben zum Container hinzugefügt. Achte darauf, dass du dich im Terminal (bzw. in der Shell) zuerst zum Ordner des Bootcamps wechselst, bevor du die Befehle ausführst.


Entwicklungsumgebung einrichten (Cloud)

Für manche Übungsaufgaben empfiehlt es sich, geeignete Grafikkarte zu verwenden, um ein Training in überschaubarer Zeit abzuschließen. Falls die Grafikkarte deines Rechners dafür nicht ausreicht, kannst du die Übungsaufgaben in der Cloud ausführen. Wir verwenden hierfür Amazon Web Services (AWS). Im Kurs zeigen wir Dir, wie du einen AWS EC2 Instanz einrichten kannst, um dort unser Docker-Image einrichten zu können.

codecentric.ai-bootcamp's People

Contributors

dependabot[bot] avatar omoser-cc avatar paulstrobel avatar shiring avatar

Recommend Projects

  • React photo React

    A declarative, efficient, and flexible JavaScript library for building user interfaces.

  • Vue.js photo Vue.js

    🖖 Vue.js is a progressive, incrementally-adoptable JavaScript framework for building UI on the web.

  • Typescript photo Typescript

    TypeScript is a superset of JavaScript that compiles to clean JavaScript output.

  • TensorFlow photo TensorFlow

    An Open Source Machine Learning Framework for Everyone

  • Django photo Django

    The Web framework for perfectionists with deadlines.

  • D3 photo D3

    Bring data to life with SVG, Canvas and HTML. 📊📈🎉

Recommend Topics

  • javascript

    JavaScript (JS) is a lightweight interpreted programming language with first-class functions.

  • web

    Some thing interesting about web. New door for the world.

  • server

    A server is a program made to process requests and deliver data to clients.

  • Machine learning

    Machine learning is a way of modeling and interpreting data that allows a piece of software to respond intelligently.

  • Game

    Some thing interesting about game, make everyone happy.

Recommend Org

  • Facebook photo Facebook

    We are working to build community through open source technology. NB: members must have two-factor auth.

  • Microsoft photo Microsoft

    Open source projects and samples from Microsoft.

  • Google photo Google

    Google ❤️ Open Source for everyone.

  • D3 photo D3

    Data-Driven Documents codes.