डेटा वैज्ञानिकों के लिए Google Colab ट्यूटोरियल

किसी डेटा साइंस प्रोजेक्ट पर काम करना हमेशा रोमांचक होता है—चाहे आप शुरुआत करने के इच्छुक डेटा साइंस उत्साही हों, या वर्षों के अनुभव वाले डेटा वैज्ञानिक।

फिर भी, अपना कार्य वातावरण सेट करना, आवश्यक पैकेज इंस्टॉल करना, सभी प्रोजेक्ट फ़ाइलों का सुरक्षित भंडारण, और अपनी मशीन की कंप्यूटिंग सीमाओं से निपटना अक्सर चुनौतीपूर्ण हो सकता है।

इस गाइड में, आप सीखेंगे कि Google Colab आपके डेटा साइंस वर्कफ़्लो को कैसे सरल और सुपरचार्ज कर सकता है।

विषय-सूची:

• Google Colab क्या है?
• अपना पहला Google Colab नोटबुक बनाना
• आपको Google Colab का उपयोग क्यों करना चाहिए
• पूर्व-इंस्टॉल्ड डेटा साइंस लाइब्रेरी
• आसान शेयरिंग और सहयोग
• GitHub के साथ सहज एकीकरण
• Colab नोटबुक को GitHub में सेव करना
• विभिन्न स्रोतों से डेटा के साथ काम करना
• अपनी लोकल मशीन से डेटा लोड करना
• Google Drive को Colab इंस्टेंस पर माउंट करना
• किसी GitHub रेपो को Colab इंस्टेंस में क्लोन करना
• रिमोट डेटा फ़ेच करना
• स्वचालित भंडारण और संस्करण नियंत्रण
• GPU और TPU जैसे कंप्यूटर हार्डवेयर एक्सेलेरेटर तक पहुँच
• DataLab: एक अवलोकन
• Google Colab की सीमाएँ
• निष्कर्ष

Google Colab क्या है?

Google Colab, Google Research का क्लाउड-आधारित Jupyter नोटबुक वातावरण है। अपने सरल और उपयोग में आसान इंटरफ़ेस के साथ, Colab आपको लगभग बिना किसी सेटअप के अपनी डेटा साइंस यात्रा शुरू करने में मदद करता है।

यदि आप Python के साथ डेटा साइंस में रुचि रखते हैं, तो Colab आपके डेटा साइंस प्रोजेक्ट शुरू करने के लिए एक बेहतरीन जगह है, जहाँ आपको अपने वातावरण के कॉन्फ़िगरेशन की चिंता नहीं करनी पड़ती। Google Colab आपको सीधे ब्राउज़र से Python कोड लिखने और चलाने में सक्षम बनाता है, और इसके साथ कई लोकप्रिय Python डेटा साइंस लाइब्रेरी पहले से इंस्टॉल मिलती हैं।

आगे के खंडों में, आप Google Colab की विशेषताओं के बारे में और जानेंगे।

अपना पहला Google Colab नोटबुक बनाना

किसी चीज़ को समझने का सबसे अच्छा तरीका है उसे स्वयं आज़माना। आइए अपना पहला Colab नोटबुक बनाकर शुरू करें:

• colab.research.google.com पर जाएँ। आपको निम्न स्क्रीन दिखाई देगी। कोड लिखने और चलाने में सक्षम होने के लिए, आपको अपने Google क्रेडेंशियल्स से साइन इन करना होगा। आपकी ओर से आवश्यक यही एक कदम है। किसी अन्य कॉन्फ़िगरेशन की आवश्यकता नहीं है।

• Colab में साइन इन करने के बाद, आप नीचे दिखाए अनुसार 'File' → 'New notebook' पर क्लिक करके नया नोटबुक बना सकते हैं:

नया नोटबुक बनाने के बाद, आप इसे अपनी पसंद के नाम से रीनेम कर सकते हैं। अब आप प्रोजेक्ट में कोडिंग शुरू करने के लिए पूरी तरह तैयार हैं।

• Google Colab एक स्व-निहित वातावरण है। यह आपको Python कोड के साथ-साथ टेक्स्ट—मार्कडाउन सेल्स का उपयोग करके—समृद्ध टेक्स्ट और मीडिया शामिल करने की अनुमति देता है, जैसा कि नीचे दिखाया गया है। इससे चरण-दर-चरण वॉकथ्रू के लिए निर्देश जोड़ने में मदद मिलती है, जिससे पठनीयता बेहतर होती है।

अब जब आपने सीखा कि Colab नोटबुक कैसे बनाते हैं, तो आइए अगले खंडों में इसके फायदों पर नज़र डालें।

आपको Google Colab का उपयोग क्यों करना चाहिए

एक ब्राउज़र-आधारित वातावरण होने के अलावा, जिसमें केवल एक साधारण Google साइन-इन की आवश्यकता होती है, Colab में कई उपयोगी विशेषताएँ हैं जो डेटा साइंस समुदाय के लिए सहायक हैं। निम्नलिखित कुछ लाभ हैं:

• पूर्व-इंस्टॉल्ड डेटा साइंस लाइब्रेरी
• आसान शेयरिंग और सहयोग
• GitHub के साथ सहज एकीकरण
• विभिन्न स्रोतों से डेटा के साथ काम करना
• स्वचालित भंडारण और संस्करण नियंत्रण
• GPU और TPU जैसे हार्डवेयर एक्सेलेरेटर तक पहुँच

पूर्व-इंस्टॉल्ड डेटा साइंस लाइब्रेरी

पूर्व-इंस्टॉल्ड लाइब्रेरी Colab को आपके डेटा साइंस प्रोजेक्ट को लगभग तुरंत सेटअप करने के लिए लोकप्रिय विकल्प बनाती हैं।

Colab, डेटा विश्लेषण और विज़ुअलाइज़ेशन के लिए NumPy, pandas, matplotlib, और seaborn जैसी Python लाइब्रेरी पहले से इंस्टॉल के साथ आता है। इसका मतलब है कि आप सीधे इन्हें अपने वर्तमान प्रोजेक्ट में इम्पोर्ट कर सकते हैं, और बिना इंस्टॉल किए, आवश्यकता अनुसार इनके मॉड्यूल का उपयोग कर सकते हैं।

जैसा कि आप जानते हैं, ये लाइब्रेरी अधिकांश डेटा विश्लेषण प्रोजेक्ट के लिए पर्याप्त हैं, और बड़े प्रोजेक्ट के ML पाइपलाइन में डेटा प्रीप्रोसेसिंग और एक्सप्लोरेटरी डेटा एनालिसिस (EDA) चरण सफलतापूर्वक पूरा करने में सहायक हैं।

यदि आप इन डेटा साइंस लाइब्रेरी में दक्षता हासिल करना चाहते हैं, तो DataCamp के Data Analyst with Python ट्रैक पर ज़रूर नज़र डालें।

इसके अतिरिक्त, Colab में मशीन लर्निंग लाइब्रेरी जैसे scikit-learn, और डीप लर्निंग लाइब्रेरी जैसे PyTorch, TensorFlow और Keras पहले से इंस्टॉल होती हैं।

बिल्कुल बिना किसी इंस्टॉलेशन के मशीन लर्निंग और डीप लर्निंग प्रोजेक्ट बनाना संभव है। आपको बस एक ब्राउज़र की आवश्यकता है, और कुछ ही मिनटों में आपका प्रोजेक्ट चलने लगेगा।

ग्रुप के रूप में प्रोजेक्ट पर काम करना एक शानदार सीखने का अनुभव है। अगले खंड में, आप सीखेंगे कि Colab सहयोग को कैसे सरल बनाता है।

आसान शेयरिंग और सहयोग

अपनी लोकल मशीन पर Jupyter नोटबुक वातावरण में काम करने की सीमाएँ होती हैं, खासकर जब दूसरों के साथ सहयोग की बात आती है। लेकिन Colab में, आप अपना नोटबुक साझा कर सकते हैं और अपने मित्रों व सहकर्मियों के साथ उस पर मिलकर काम कर सकते हैं।

आप नीचे दी गई तस्वीर के अनुसार एक आसान चरण में शेयरिंग सक्षम कर सकते हैं।

GitHub के साथ सहज एकीकरण

एक डेवलपर के रूप में, आप अपने प्रोजेक्ट की विभिन्न फ़ाइलों में हुए परिवर्तनों को ट्रैक करने के लिए GitHub का लगातार उपयोग करेंगे, और इसे Colab के साथ एकीकृत करना चीज़ों को और बेहतर बना देता है।

आइए देखें कि आप अपनी नोटबुक्स को GitHub रिपॉजिटरी में कैसे सेव कर सकते हैं:

Colab नोटबुक को GitHub में सेव करना

1. अपनी नोटबुक को GitHub रिपॉजिटरी में सेव करने के लिए 'File' → 'Save a copy in GitHub' पर जाएँ।

1. इसके बाद आपसे Colab को अधिकृत करने के लिए कहा जाएगा। यह प्राधिकरण इसलिए आवश्यक है ताकि Colab आपकी रिपॉजिटरी में कमिट पुश कर सके।

1. इसके बाद आपको स्क्रीन पर दिए गए प्रॉम्प्ट्स का पालन करते हुए एक्सेस की पुष्टि करनी होगी।

2. प्राधिकरण सफल होने पर, आपकी स्क्रीन पर निम्न विंडो पॉप-अप होनी चाहिए।

ऊपर की छवि में:

• 'username' और 'name of the repo' प्लेसहोल्डर हैं। आपको अपना GitHub उपयोगकर्ता नाम दिखाई देगा, और आप उस रिपॉजिटरी का चयन कर सकते हैं जिसमें आप वर्तमान नोटबुक को "name of the repo" के रूप में पुश करना चाहते हैं।

• डिफ़ॉल्ट ब्रांच चुनी हुई रिपॉजिटरी की 'main' ब्रांच होती है, पर आप अपनी पसंद की कोई भी ब्रांच चुन सकते हैं। आप फ़ाइल पथ को भी आवश्यकतानुसार अनुकूलित कर सकते हैं।

• अंत में, एक अच्छा कमिट संदेश लिखें और 'Ok' पर क्लिक करें—आपका कमिट अब चुनी हुई GitHub रिपॉजिटरी में पुश हो जाएगा।

इस तरह, आप अपनी सभी Colab नोटबुक्स को GitHub रिपॉजिटरी में होस्ट कर सकते हैं। यह ज्ञान-वितरण और फलते-फूलते ओपन-सोर्स प्रोजेक्ट्स को भी प्रोत्साहित करता है।

विभिन्न स्रोतों से डेटा के साथ काम करना

किसी भी डेटा साइंस प्रोजेक्ट में, आपको अपने कार्य वातावरण में डेटासेट इम्पोर्ट करके शुरुआत करनी होती है। इस खंड में, आप जानेंगे कि Google Colab में आप यह अलग-अलग तरीकों से कैसे कर सकते हैं।

अपनी लोकल मशीन से डेटा लोड करना

अपनी लोकल मशीन से डेटा युक्त फ़ाइलें अपलोड करने के लिए, नीचे दिखाए अनुसार 'Files' टैब में 'File upload' आइकन पर क्लिक करें और वह फ़ाइल चुनें जिसे आप अपलोड करना चाहते हैं।

Google Drive को Colab इंस्टेंस पर माउंट करना

यदि आप अपनी सभी फ़ाइलें Google Drive में सहेजना पसंद करते हैं, तो आप इसे आसानी से वर्तमान Colab इंस्टेंस पर माउंट कर सकते हैं। इससे आप अपने ड्राइव में संग्रहीत सभी डेटासेट और फ़ाइलों तक पहुँच सकेंगे।

आप यह दो तरीकों से कर सकते हैं:

• 'Files' टैब में 'drive' आइकन पर क्लिक करें और स्क्रीन पर दिए गए प्रॉम्प्ट्स का पालन करें।

• ड्राइव सफलतापूर्वक माउंट हो जाने के बाद, आपको 'Files' टैब में उपलब्ध निर्देशिका के रूप में 'drive' फ़ोल्डर दिखना चाहिए।

वैकल्पिक रूप से, आप अपने नोटबुक की किसी कोड सेल में निम्न पंक्तियाँ चलाकर अपने Google Drive को वर्तमान Colab इंस्टेंस पर माउंट कर सकते हैं।

from google.colab import drive
drive.mount('content/drive')

आपसे एक्सेस देने के लिए कहा जाएगा। 'Connect to Google Drive' विकल्प चुनें। पिछले तरीके की तरह, आपको 'Files' टैब में 'drive' फ़ोल्डर सूचीबद्ध दिखना चाहिए।

किसी GitHub रेपो को Colab इंस्टेंस में क्लोन करना

यदि आपको किसी विशेष GitHub रिपॉजिटरी की सभी फ़ाइलों तक पहुँच चाहिए, तो आप इसे अपने वर्तमान वर्कस्पेस में इस प्रकार क्लोन कर सकते हैं।

निम्न कोड पंक्ति चलाने से आप किसी भी रिमोट GitHub रिपॉजिटरी को क्लोन कर सकेंगे—बस प्लेसहोल्डर को बदल दें

!git clone <URL of the repo>

रिमोट डेटा फ़ेच करना

कभी-कभी आपको वेब से अपना डेटासेट फ़ेच करना पड़ सकता है; ऐसा इस तरह करें:

क्योंकि आप नोटबुक वातावरण के भीतर सामान्य शेल कमांड चला सकते हैं, आप URL निर्दिष्ट करके रिमोट डेटा फ़ेच करने के लिए '!wget' कमांड का उपयोग कर सकते हैं।

आइए अब DataCamp के Supervised Learning with scikit-learn कोर्स में इस्तेमाल होने वाला Boston housing डेटासेट फ़ेच करने की कोशिश करें।

यह डेटासेट इस URL पर मिल सकता है, और नीचे दी गई छवि दिखाती है कि आप इसे सफलतापूर्वक कैसे प्राप्त कर सकते हैं।

स्वचालित भंडारण और संस्करण नियंत्रण

क्या आपको कभी अपने प्रोजेक्ट में खोई हुई फ़ाइलों को पुनर्प्राप्त करने में कठिनाई हुई है?

Colab के साथ, आपकी प्रोजेक्ट फ़ाइलें खोने का जोखिम नहीं रहता क्योंकि सभी नोटबुक्स उस Google खाते के ड्राइव पर स्वतः सेव होती हैं जिससे आप साइन इन हैं।

यहाँ तक कि जब आप अपने मित्रों और सहकर्मियों के साथ किसी प्रोजेक्ट पर सहयोग कर रहे हों, तब भी आप 'Revision History' देखकर समय के साथ नोटबुक में हुए सभी परिवर्तनों को ट्रैक कर सकते हैं। 'File' → 'Revision History' पर जाएँ और आप परिवर्तन तथा किसी विशेष परिवर्तन के समय को देख सकेंगे।

यहाँ एक नमूना रिवीज़न हिस्ट्री है:

GPU और TPU जैसे कंप्यूटर हार्डवेयर एक्सेलेरेटर तक पहुँच

अधिकांश समय, आपकी लोकल मशीन की विशिष्टताएँ और प्रोसेसिंग पावर पर प्रतिबंध चिंता का विषय हो सकते हैं, खासकर बड़े डीप लर्निंग मॉडलों के साथ काम करते समय।

अपने हार्डवेयर की इन सीमाओं को दूर करने के लिए, Colab हार्डवेयर एक्सेलेरेटर—Graphics Processing Unit (GPU) और Tensor Processing Unit (TPU)—तक पहुँच प्रदान करता है, ताकि डीप लर्निंग मॉडलों का प्रशिक्षण तेज़ी से हो सके।

निम्न चित्र बताते हैं कि आप Colab नोटबुक में GPU का उपयोग कैसे सक्षम कर सकते हैं—यह दो सरल चरणों में किया जा सकता है।

1. 'Runtime' → 'Change runtime type' पर जाएँ

1. आवश्यकतानुसार हार्डवेयर एक्सेलेरेटर को GPU या TPU पर सेट करें।

अब तक, आपने डेटा साइंस के लिए Colab की उपयोगी विशेषताओं के बारे में जाना। यदि यह आपको उत्साहित करता है, तो आप DataLab भी देखना चाहेंगे। आप मुफ्त DataCamp खाते से साइन अप करके DataLab का उपयोग शुरू कर सकते हैं।

DataLab: एक अवलोकन

DataLab आपकी सभी डेटा साइंस ज़रूरतों के लिए पूरी तरह ब्राउज़र-आधारित वातावरण प्रदान करता है। आप Python या R में कोड कर सकते हैं, SQL के लिए बिल्ट-इन सपोर्ट के साथ, और बिल्कुल बिना सेटअप के दूसरों के साथ सहयोग कर सकते हैं।

• यदि आप अपना डेटा साइंस पोर्टफोलियो बनाना शुरू करना चाहते हैं, तो DataLab एक बढ़िया विकल्प हो सकता है। आप नया Python या R DataLab बना सकते हैं, या सीधे किसी GitHub रिपॉजिटरी के साथ काम शुरू कर सकते हैं।

• Google Colab की तरह, DataLab में कई विशेषताएँ हैं: पूर्व-इंस्टॉल्ड लाइब्रेरी, प्रीलोडेड डेटासेट, आम डेटा स्रोतों के साथ इंटीग्रेशन, और भी बहुत कुछ। आप Python और R कोड लिख और चला सकते हैं, साथ ही समृद्ध टेक्स्ट और छवियाँ भी जोड़ सकते हैं।

• एक बार जब आप कोई नोटबुक प्रकाशित कर लेते हैं, तो आप उसे आसानी से साझा कर सकते हैं और दूसरों के साथ सहयोग कर सकते हैं।

• DataLab में अनसुपरवाइज़्ड लर्निंग, मार्केट एनालिसिस, नैचुरल लैंग्वेज प्रोसेसिंग, और कई अन्य क्षेत्रों पर कई प्रीलोडेड डेटासेट, टेम्पलेट्स और प्लेबुक्स हैं। ये टेम्पलेट आपको शुरुआत से ही प्रोजेक्ट बनाने के लिए पर्याप्त दिशा प्रदान करते हैं।

• आपको अपनी नोटबुक्स को GitHub रिपॉजिटरी में होस्ट करने की आवश्यकता नहीं है। आपकी सभी नोटबुक्स आपके DataCamp प्रोफ़ाइल से सुलभ हैं, इसलिए आप अपने मुफ्त DataCamp खाते के माध्यम से अपना पूरा डेटा साइंस पोर्टफोलियो एक्सेस कर सकते हैं।

• DataLab के बारे में अधिक जानने के लिए दस्तावेज़ देखें।

Google Colab की सीमाएँ

यद्यपि Colab चीज़ों को आसान बनाता है, फिर भी निम्नलिखित कुछ सीमाएँ हैं जिनसे आपको अवगत होना चाहिए:

• Colab का मुफ्त इंस्टेंस छोटे से मध्यम पैमाने के प्रोजेक्ट के लिए पर्याप्त है। हालाँकि, GPU के उपयोग पर एक पाबंदी है। आम तौर पर आप GPU पर अपने मॉडल लगभग 12 घंटे तक प्रशिक्षित कर सकते हैं, जिसके बाद रनटाइम डिसकनेक्ट हो जाता है। GPU और TPU के विस्तारित उपयोग के लिए, आपको उन्नत उपयोग हेतु Colab Pro में अपग्रेड करना होगा।

• Google Colab, Python में डेटा साइंस के लिए विशेष रूप से बनाया गया है। हालाँकि, कभी-कभी आप डेटाबेस से डेटा प्राप्त करने के लिए R, SQL या अन्य प्रोग्रामिंग भाषाएँ उपयोग करना चाह सकते हैं। Colab वर्तमान में केवल Python को सपोर्ट करता है। यदि आप अपनी डेटा साइंस आवश्यकताओं के लिए R का उपयोग करना पसंद करते हैं, और MySQL डेटाबेस के साथ इंटीग्रेशन चाहिए, तो DataLab अवश्य देखें।

• Colab में हार्डवेयर एक्सेलेरेटर की माँग और आबंटन वास्तविक समय में होता है। कभी-कभी इससे GPU और TPU एक्सेस में उतार-चढ़ाव हो सकता है।

• आप जो फ़ाइलें और लाइब्रेरी इंस्टॉल और इम्पोर्ट करते हैं, वे Colab के उस विशेष इंस्टेंस तक सीमित होती हैं। रनटाइम डिस्कनेक्ट होते ही आप उस इंस्टेंस की सभी फ़ाइलें और पैकेज खो देंगे। यदि आपको कई स्प्रिंट में नोटबुक पर काम करना है, तो आपको फिर से रनटाइम से कनेक्ट होना होगा और सभी आवश्यक पैकेज दोबारा इंस्टॉल करने होंगे।

• Colab हर इंस्टेंस में डिस्क स्पेस की सीमा लगाता है, जो उस मशीन पर निर्भर करती है जो आपको उस इंस्टेंस के लिए आवंटित हुई है। बहुत बड़े डेटासेट के लिए यह बाधक हो सकता है।

निष्कर्ष

इस ट्यूटोरियल में, आपने डेटा साइंस के नज़रिये से Google Colab की उपयोगी विशेषताओं के बारे में सीखा। आपने यह भी जाना कि DataLab कैसे आपको सीधे ब्राउज़र से एक डेटा साइंस पोर्टफोलियो बनाने में मदद कर सकता है, और—सिर्फ एक मुफ्त DataCamp खाते के साथ—ब्राउज़र से ही अपना डेटा साइंस पोर्टफोलियो बनाना शुरू करने का एक बढ़िया विकल्प हो सकता है।