Configura un ambiente di Data Science sul tuo computer

Dopo aver imparato su una piattaforma di formazione interattiva online come Datacamp, uno dei passi successivi è portare le competenze acquisite in Python, R, Git o Unix Shell sul tuo computer locale. Non è sempre facile sapere cosa installare per i vari progetti che hai in mente. Questo tutorial ti dirà quali pacchetti e quali software devi installare per iniziare a usare le diverse tecnologie. Detto questo, iniziamo!

Python

Per poter usare Python sul tuo computer locale, prima devi installarlo. Esistono molte distribuzioni di Python, ma per la data science la Anaconda Python Distribution è la più popolare.

Vantaggi di Anaconda

Anaconda è un gestore di pacchetti, un gestore di ambienti e una distribuzione di Python che contiene una raccolta di molti pacchetti open source. Un'installazione di Anaconda include molti pacchetti come numpy, scikit-learn, scipy e pandas preinstallati ed è anche il modo consigliato per installare Jupyter Notebooks. L'immagine sotto mostra un Jupyter Notebook in azione. I notebook Jupyter contengono sia codice sia elementi di testo ricchi, come figure, link ed equazioni. Puoi saperne di più sui Jupyter Notebook qui.

Altri vantaggi di Anaconda includono:

• Se dopo aver installato Anaconda ti servono pacchetti aggiuntivi, puoi usare il gestore di pacchetti di Anaconda, conda, o pip per installarli. Questo è molto vantaggioso perché non devi gestire tu le dipendenze tra più pacchetti. Conda rende persino facile passare tra Python 2 e 3 (puoi approfondire qui).

• Anaconda include Spyder, un ambiente di sviluppo integrato per Python. Un ambiente di sviluppo integrato è uno strumento di programmazione che ti permette di scrivere, testare e fare debug del tuo codice, offrendo in genere completamento del codice, evidenziazione per l'analisi del codice, gestione delle risorse e strumenti di debug, tra molte altre funzioni. È anche possibile integrare Anaconda con altri ambienti di sviluppo per Python, tra cui PyCharm e Atom. Puoi saperne di più sui diversi ambienti di sviluppo integrati per Python qui.

Come installare Anaconda (Python)

Ecco alcuni link a guide su come installare Anaconda sul tuo sistema operativo.

Installa Anaconda su Mac

Installa Anaconda su Windows

Linguaggio di programmazione R

In genere si installa RStudio insieme al linguaggio di programmazione R. L'ambiente di sviluppo integrato (IDE) RStudio è generalmente considerato il modo più semplice e migliore per lavorare con il linguaggio R.

Vantaggi di RStudio

Installare il linguaggio R ti fornisce un insieme di funzioni e oggetti del linguaggio e un interprete R che ti permette di costruire ed eseguire comandi. RStudio ti offre un ambiente di sviluppo integrato che lavora insieme all'interprete R.

Quando apri RStudio, appare una schermata come quella sopra. Alcune funzioni contenute nei quattro pannelli di RStudio sono: (A) un editor di testo. (B) Dashboard dell'ambiente di lavoro. (C) Interprete R. (D) Finestra della guida e sistema di gestione dei pacchetti. Tutte queste funzioni fanno sì che, dopo aver installato R, RStudio sia tutto ciò di cui hai davvero bisogno.

Come installare R e RStudio

Ecco alcuni link a guide su come installare R e RStudio sul tuo sistema operativo.

Installa R e RStudio su Mac

Installa R e RStudio su Windows

Unix Shell

Navigare tra directory, copiare file, usare macchine virtuali e altro ancora fa parte regolare del lavoro di un data scientist. Spesso troverai la Unix Shell utilizzata per svolgere questi compiti.

Alcuni usi di una Unix Shell

1 - Molte piattaforme di cloud computing sono basate su Linux (e utilizzano una variante della Unix Shell). Per esempio, se vuoi configurare un ambiente di data science su Google Cloud o fare deep learning con Jupyter Notebooks nel cloud (AWS EC2) è necessaria una certa conoscenza della Unix Shell. A volte potresti aver bisogno di una macchina virtuale Windows, ma è meno comune.

2 - Unix Shell fornisce una serie di comandi utili come: il comando wc, che conta il numero di righe o parole in un file; il comando cat, che concatena/unisce file; i comandi head e tail, che aiutano a suddividere grandi file. Puoi approfondire in 8 comandi Shell utili per la Data Science. Dai un'occhiata anche al corso di DataCamp Data Processing in Shell.

3 - Spesso troverai la Unix Shell integrata con altre tecnologie, come vedrai nel resto dell'articolo.

Integrazione con altre tecnologie

Spesso i comandi della Unix Shell sono integrati in altre tecnologie. Ad esempio, è comune trovare comandi shell nei Jupyter Notebook accanto a codice Python. In Jupyter Notebook puoi accedere ai comandi della shell passando alla shell con un !. Nel codice sotto, il risultato del comando shell ls (che elenca tutti i file nella directory corrente) viene assegnato alla variabile Python myfiles.

myfiles = !ls

L'immagine qui sotto mostra del codice Python integrato in un flusso di lavoro per combinare più dataset. Nota un comando della Unix Shell (racchiuso nel rettangolo rosso) integrato in un Jupyter Notebook.

Tieni presente che il codice nell'immagine sopra non è un modo unico per svolgere un compito, ma solo un piccolo esempio di come potresti vedere utilizzare Unix. Se vuoi imparare a usare Unix per la Data Science, Datacamp ha un corso gratuito Introduzione alla Shell per la Data Science che consiglio vivamente. È una competenza che molti aspiranti data scientist trascurano, ma è molto importante sul lavoro.

Unix Shell su Mac

Mac include una Unix Shell, quindi di solito non devi installare nulla! Un punto importante è che esistono diverse varianti di Unix con comandi differenti. A volte scopri di non avere un comando Unix (come wget) presente su un altro sistema Unix. Analogamente a come hai gestori di pacchetti tramite RStudio e Anaconda, anche su Mac puoi avere un gestore di pacchetti chiamato Homebrew se lo installi. Il link qui sotto spiega come installare e usare Homebrew.

Come installare e usare Homebrew

Comandi Unix Shell su Windows

Windows non include una Unix Shell. Ricorda che ciò che Unix Shell fa per te è fornirti comandi utili per la Data Science. Ci sono diversi modi per ottenere questi comandi utili su Windows. Puoi installare Git su Windows con gli strumenti Unix opzionali, così da avere i comandi Unix sul Prompt dei comandi. In alternativa, puoi installare Gnu on Windows (GOW) (10 MB), Cygwin (almeno 100 MB), tra molte altre opzioni.

Git

Git è il sistema di controllo versione più utilizzato. Un sistema di controllo versione è qualcosa che registra le modifiche a un file o a un insieme di file nel tempo, in modo da poter richiamare versioni specifiche in seguito. Git è una tecnologia importante perché ti aiuta davvero a lavorare con gli altri ed è qualcosa che troverai in molte realtà lavorative. Alcuni dei vantaggi nell'imparare Git includono:

• Nulla di ciò che è sotto controllo versione con Git va mai perso, quindi puoi sempre tornare a vedere le versioni precedenti dei tuoi programmi.

• Git ti avvisa quando il tuo lavoro è in conflitto con quello di qualcun altro, quindi è più difficile (ma non impossibile) sovrascrivere accidentalmente il lavoro.

• Git può sincronizzare il lavoro svolto da persone diverse su macchine diverse, quindi scala insieme al tuo team.

• Conoscere Git rende più facile contribuire allo sviluppo open source di pacchetti in R e Python.

Integrazione con altre tecnologie

Una delle cose interessanti di Git è che spesso lo trovi integrato con altre tecnologie. In precedenza ho menzionato che l'ambiente di sviluppo integrato (IDE) RStudio è generalmente considerato il modo migliore per lavorare con il linguaggio R. RStudio offre supporto per il controllo versione e molti ambienti di sviluppo integrati (IDE) per Python (approfondisci qui) offrono supporto per il controllo versione.

Se vuoi imparare a usare Git per la Data Science, DataCamp ha un corso gratuito Introduzione a Git per la Data Science che consiglio vivamente.

Come installare Git

Ecco alcuni link a guide su come installare Git sul tuo sistema operativo.

Installa Git su Mac

Installa Git su Windows

Conclusione

Questo tutorial fornisce un modo per configurare un ambiente di data science sul tuo computer locale. Un punto importante da sottolineare è che queste tecnologie possono essere, e spesso sono, integrate tra loro. Se hai domande o pensieri sul tutorial, scrivi pure nei commenti qui sotto o su Twitter. Dai anche un'occhiata agli altri miei tutorial di installazione sul mio Github o sul mio blog su Medium.