{"id":178830,"date":"2026-02-20T14:25:24","date_gmt":"2026-02-20T13:25:24","guid":{"rendered":"https:\/\/liora.io\/de\/?p=178830"},"modified":"2026-02-20T14:25:25","modified_gmt":"2026-02-20T13:25:25","slug":"jupyter-notebook-ein-unverzichtbares-tool-fuer-den-code-austausch","status":"publish","type":"post","link":"https:\/\/liora.io\/de\/jupyter-notebook-ein-unverzichtbares-tool-fuer-den-code-austausch","title":{"rendered":"Jupyter Notebook: Ein unverzichtbares Tool f\u00fcr den Code-Austausch"},"content":{"rendered":"<strong>Jupyter Notebook<\/strong> ist eine Webanwendung, mit der du Computercode austauschen kannst. Hier erf\u00e4hrst du alles, was du \u00fcber dieses Tool wissen musst, das bei Entwicklern sehr beliebt ist, aber auch in der Data Science nicht fehlen darf.\n\nJedes Programmierprojekt muss an einem bestimmten Punkt seines Fortschritts geteilt werden. Es ist m\u00f6glich, den<strong> Quellcode<\/strong><h2>Was ist das Jupyter Notebook ?<\/h2>\nJupyter Notebook ist eine <a href=\"https:\/\/liora.io\/de\/open-source-definition\">Open-Source-Webanwendung<\/a> zum Erstellen und Weitergeben von Dokumenten, die Code, Gleichungen, Visualisierungen und erz\u00e4hlenden Text enthalten. Fr\u00fcher hie\u00df es <strong>IPython Notebooks<\/strong> und ist eine webbasierte, interaktive Rechenumgebung zum Erstellen von Notebook-Dokumenten.\n\nJe nach Kontext kann der Begriff Notebook verschiedene Entit\u00e4ten bezeichnen. Es kann sich dabei um die Jupyter-Webanwendung, den <a href=\"https:\/\/jupyter-notebook.readthedocs.io\/en\/stable\/public_server.html\">Jupyter-Python-Webserver<\/a> oder ein Jupyter-Dokument handeln. Das Jupyter-Projekt hat sich zum Ziel gesetzt, Open-Source-Software, offene Standards und Dienste f\u00fcr interaktives Computing in mehreren Dutzend Computersprachen zu schaffen.\n\nDer Name &#8222;Jupyter&#8220; ist eigentlich ein Akronym <strong>f\u00fcr Julia, Python und <a href=\"https:\/\/liora.io\/de\/die-sprache-r-ueberblick-und-unterschiede-zu-python\">R<\/a>.<\/strong> Diese Programmiersprachen waren die ersten Zielsetzungen der Jupyter-Anwendung, die mittlerweile eine Vielzahl von Sprachen unterst\u00fctzt.\n\nJupiter wird f\u00fcr eine Vielzahl von Anwendungen eingesetzt: <a href=\"https:\/\/liora.io\/de\/data-cleaning-python-programmierung-teil-3\">Datenbereinigung<\/a> und -umwandlung, numerische Simulation, statistische Modellierung, Machine Learning, etc.\n\n<iframe title=\"The different roles in Data Science - Data Scientest\" width=\"500\" height=\"281\" src=\"https:\/\/www.youtube.com\/embed\/ugALxRuTh00?start=139&#038;feature=oembed\" frameborder=\"0\" allow=\"accelerometer; autoplay; clipboard-write; encrypted-media; gyroscope; picture-in-picture; web-share\" referrerpolicy=\"strict-origin-when-cross-origin\" allowfullscreen><\/iframe>\n\n<div class=\"wp-block-buttons is-layout-flex wp-block-buttons-is-layout-flex is-content-justification-center\"><div class=\"wp-block-button \"><a class=\"wp-block-button__link wp-element-button \" href=\"https:\/\/liora.io\/de\/unsere-aus-und-weiterbildungen\">Lernen, Jupyter Notebook zu verwenden<\/a><\/div><\/div>\n\n<h3>Was ist die Jupyter Notebook App?<\/h3>\nDie<strong> Jupyter Notebook App<\/strong> ist eine Server-Client-Anwendung. Sie erm\u00f6glicht das Bearbeiten und Ausf\u00fchren von Notebooks \u00fcber einen Webbrowser. Diese Anwendung kann auf einem PC ohne Internetzugang ausgef\u00fchrt werden oder auf einem entfernten Server installiert werden, auf den man \u00fcber das Internet zugreifen kann.\n\nDie beiden Hauptkomponenten dieser Anwendung sind die Kernel und das Dashboard. Ein <strong>Kernel<\/strong> ist ein Programm, das den Code des Benutzers ausf\u00fchrt und inspiziert. Die Jupyter Notebook App hat einen Kernel f\u00fcr Python-Code, aber es gibt auch Kernels f\u00fcr andere Programmiersprachen.\n\nDas Dashboard der App zeigt die vom Benutzer erstellten Notebook-Dokumente an und erm\u00f6glicht es, sie erneut zu \u00f6ffnen. Es kann auch verwendet werden, um die Kernel zu verwalten, einschlie\u00dflich ihrer Aktivierung oder Deaktivierung.\n<h2>Beginn der Nutzung von Jupyter Notebooks<\/h2>\nNach Abschluss der Installation kannst du mit der Nutzung von <strong>Jupyter Notebooks<\/strong> beginnen. Nachdem du den Befehl zum \u00d6ffnen benutzt hast, wird die Anwendung im Webbrowser unter der Adresse &#8222;http:\/\/localhost:8888&#8220; ge\u00f6ffnet.\n\nDeine Dateien werden auf der Registerkarte &#8222;Files&#8220; gelagert. Die Prozessverfolgung kann im Reiter &#8222;Running&#8220; eingesehen werden und auf das <strong>Parallel-Computing-Framework<\/strong> von IPython kann \u00fcber den Reiter &#8222;Clusters&#8220; zugegriffen werden.\n\nMit der Schaltfl\u00e4che &#8222;Neu&#8220; im Reiter &#8222;Files&#8220; kannst du ganz einfach ein neues Notebook erstellen. Du kannst zwischen einer Textdatei, einem Ordner oder einem Terminal w\u00e4hlen. Eine Option erm\u00f6glicht es auch, ein Python 3-Notebook zu erstellen, vorausgesetzt, du hast diese Version von Python installiert.\n<h2>Wie kann ich Jupyter Notebooks freigeben?<\/h2>\nEs kann viele Gr\u00fcnde geben, warum du deine <strong>Notebooks<\/strong> mit anderen teilen m\u00f6chtest. Das Ziel kann sein, mit Kollegen an einem Projekt zusammenzuarbeiten oder ein Data Science-Portfolio f\u00fcr zuk\u00fcnftige Vorstellungsgespr\u00e4che zusammenzustellen.\n\nNotebooks haben die Form von .JSON-Dokumenten, die Text, Quellcode, Multimediaelemente und Metadaten enthalten. Jedes Segment des Dokuments wird in einer Zelle gespeichert.\n\n<strong>JSON-Dateien<\/strong> sollten am besten nicht geteilt werden. Als Alternative kannst du auf die Registerkarte &#8222;File&#8220; der Anwendung gehen. Dort gibt es eine Option, mit der du das Notebook als HTML-, PDF-, Markdown-, reStructuredText-, Python-Skript- oder Notebook-Datei herunterladen kannst.\n\nMit dem Befehl &#8222;nbconvert&#8220; kannst du eine Notebookdatei auch in ein anderes statisches Format wie HTML, PDF, LaTex, Markdown oder reStructuredText umwandeln. Du musst diesen Befehl nur importieren.\n<h2>Jupyter Notebook und Data Science: Best Practices<\/h2>\nIm Bereich der <strong>Data Science wird Jupyter<\/strong> Notebook h\u00e4ufig f\u00fcr die Zusammenarbeit an Projekten verwendet. Dieses Tool bietet wertvolle Unterst\u00fctzung f\u00fcr Teams von Data Scientists. Es ist jedoch besser, einige Praktiken zu befolgen, um diese Vorteile optimal zu nutzen.\n\nZun\u00e4chst einmal ist es besser, zwei Arten von Notebooks f\u00fcr ein <strong>Data-Science-Projekt zu verwenden:<\/strong> ein Labor-Notebook und ein &#8222;lieferbares&#8220; Notebook. Nur das zweite Notebook wird vom gesamten Data Science-Team geteilt und bearbeitet.\n\nDu kannst auch Tools zur Versionierungskontrolle wie Git oder <a href=\"https:\/\/liora.io\/de\/github\">Github<\/a> verwenden. Dadurch wird es m\u00f6glich, jede von den Teammitgliedern vorgenommene \u00c4nderung zu genehmigen oder abzulehnen. So kann jeder f\u00fcr sich arbeiten und das Ergebnis teilen.\n\nWenn dein Versionskontrollsystem keine Rendering-F\u00e4higkeiten hat, ist es wichtig, die <strong>HTML-Datei<\/strong> zu teilen. Wende schlie\u00dflich explizite Regeln f\u00fcr die Benennung von Dokumenten an. Dies hilft, Verwirrung zu vermeiden.\n\n<iframe title=\"Treffen mit einer Absolventin: Patricia Jan\" width=\"500\" height=\"281\" src=\"https:\/\/www.youtube.com\/embed\/Lz47HDepMbM?feature=oembed\" frameborder=\"0\" allow=\"accelerometer; autoplay; clipboard-write; encrypted-media; gyroscope; picture-in-picture; web-share\" referrerpolicy=\"strict-origin-when-cross-origin\" allowfullscreen><\/iframe>\n<h2>Wie lerne ich, Jupyter Notebooks zu verwenden?<\/h2>\n<strong>Jupyter Notebooks<\/strong> ist sehr n\u00fctzlich f\u00fcr jedes Computerprogrammierprojekt, insbesondere f\u00fcr die Data Science. Um zu lernen, wie man es benutzt, kannst du dich von den besten Notebooks inspirieren lassen.\n\nZu manchen B\u00fcchern geh\u00f6rt ein Notebook, wie z. B. das <strong>Python Data Science Handbook.<\/strong> Es gibt auch qualitativ hochwertige Tutorials im Internet, die \u00fcber Plattformen wie YouTube kostenlos zug\u00e4nglich sind.\n\nUm die Beherrschung von Jupyter Notebook zu erlangen, kannst du die Liora-Schulungen w\u00e4hlen. Dieses Tool steht im Mittelpunkt unserer <a href=\"https:\/\/liora.io\/de\/unsere-aus-und-weiterbildungen\">verschiedenen Programme, wie z. B. Data Scientist oder Data Analyst.<\/a>\n\nAm Ende dieser Kurse wirst du alle F\u00e4higkeiten besitzen, die du brauchst, um ein Profi im Bereich Data Science zu werden. Unsere Studierenden erhalten einen von der Universit\u00e4t Mines <strong>ParisTech PSL Executive Education<\/strong> zertifizierten Titel, und 80 % der Alumni haben nach der Weiterbildung einen Job gefunden.\n\nUnsere Kurse haben ein hybrides Blended-Learning-Format, das individuelles Coaching und Masterclasses miteinander verbindet. Sie k\u00f6nnen im intensiven<a href=\"https:\/\/liora.io\/de\/data-science-bootcamp-vorteile-fuer-deine-karriere\"> BootCamp-Modus oder als Weiterbildung absolviert werden.<\/a>\n\nAu\u00dferdem kannst du unsere Kurse \u00fcber deinen Bildungsgutschein finanzieren. Verliere keine Zeit mehr und entdecke die Programme von Liora!\n\n\n<div class=\"wp-block-buttons is-layout-flex wp-block-buttons-is-layout-flex is-content-justification-center\"><div class=\"wp-block-button \"><a class=\"wp-block-button__link wp-element-button \" href=\"https:\/\/liora.io\/de\/unsere-aus-und-weiterbildungen\">Data Science Weiterbildungen<\/a><\/div><\/div>\n\n\nDu wei\u00dft alles \u00fcber das Jupyter Notebook. Hier erf\u00e4hrst du alles, was du \u00fcber <a href=\"https:\/\/liora.io\/de\/github\">GitHub wissen musst.<\/a>","protected":false},"excerpt":{"rendered":"<p>Jupyter Notebook ist eine Webanwendung, mit der du Computercode austauschen kannst. Hier erf\u00e4hrst du alles, was du \u00fcber dieses Tool wissen musst, das bei Entwicklern sehr beliebt ist, aber auch in der Data Science nicht fehlen darf. Jedes Programmierprojekt muss an einem bestimmten Punkt seines Fortschritts geteilt werden. Es ist m\u00f6glich, den Quellcode Was ist [&hellip;]<\/p>\n","protected":false},"author":76,"featured_media":219215,"comment_status":"open","ping_status":"open","sticky":false,"template":"elementor_theme","format":"standard","meta":{"_acf_changed":false,"editor_notices":[],"footnotes":""},"categories":[2472],"class_list":["post-178830","post","type-post","status-publish","format-standard","has-post-thumbnail","hentry","category-data-ki"],"acf":[],"_links":{"self":[{"href":"https:\/\/liora.io\/de\/wp-json\/wp\/v2\/posts\/178830","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/liora.io\/de\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/liora.io\/de\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/liora.io\/de\/wp-json\/wp\/v2\/users\/76"}],"replies":[{"embeddable":true,"href":"https:\/\/liora.io\/de\/wp-json\/wp\/v2\/comments?post=178830"}],"version-history":[{"count":3,"href":"https:\/\/liora.io\/de\/wp-json\/wp\/v2\/posts\/178830\/revisions"}],"predecessor-version":[{"id":218615,"href":"https:\/\/liora.io\/de\/wp-json\/wp\/v2\/posts\/178830\/revisions\/218615"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/liora.io\/de\/wp-json\/wp\/v2\/media\/219215"}],"wp:attachment":[{"href":"https:\/\/liora.io\/de\/wp-json\/wp\/v2\/media?parent=178830"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/liora.io\/de\/wp-json\/wp\/v2\/categories?post=178830"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}