《数亦有道》配套代码云端迁移进展

在之前的一篇文章里，我给你分享了翟羽佳老师上传到百度飞桨 AI Studio 的《数亦有道》配套代码。

当时的迁移，可以让你及时下载书中的配套代码。但其实，我们还有更高的预期，就是连同运行环境，一起布置到云端。这样一来，书上的每一个示例，都可以一键部署为 AI Studio 项目。直接运行，就能出现对应的正确结果。

你再也不必因为书中代码运行环境与你本地环境的差异，被各种错和非预期运行结果折磨。

从那时起，我们组织了数据科学系五名大一的同学，来做这个事儿。他们这学期，在学《数据科学导论》课。这个工作刚好也可以帮助他们，加深理解课程内容。

一个月的摸爬滚打，他们体验了各种花式错。

多番讨论与测试后，目前大部分的代码都已经上线了。

这张表格里，你可以看到代码对应的章节名称，以及做好的 AI Studio 项目链接。

你只需要点击「运行一下」就可以一键复制完整的环境。

运行的时候，只要选择的是 CPU ，则可以享受每天免费的运行时长。

我说说做这个事儿的必要性。

之前跟你说过，书上所使用的代码，在写书的那一刻可以正常执行，但是底层的环境不断变动。有些软件包升级的时候，调用方式也发生了改变，而且所用的硬件、操作系统、软件版本等区别，都有可能带来执行错误。

对于初学者来说，这些小问题，可能是灾难性的。想想看，两个小时都搞不定中文乱码，还怎么有足够的信心和兴趣继续往下学呢p>

而换做在这个云端环境中运行你的代码，则因为环境统一，大概率可以消除各种稀奇古怪的问题。

若你在云端环境，真的遇到了错，实际上是一个很好的学习机会。

首先，我们已经把所有原理性的内容，都在书中进行了详细的讲解。这种详细，几乎是针对于每一行代码的。

因此，面对错误提示，你可以立即聚焦在出现问题的那个部分。翻看软件包更新文档，自行尝试对比调用方法的差异。然后修改调用方法，解决问题。

这就叫做必要难度，可以把你从「舒适区」引向「练习区」。我在知识星球里，写过一篇《刻意练习的辅助线》，强调过不断把自己置于练习区的方法与重要性。感兴趣的话，欢迎阅读这篇文章。

其次，你要学会求助。我在《Python 编程遇问题，文科生怎么办文里，给你介绍过遇到问题后的处理流程和步骤。尤其是该怎样求助，才能更有效。这部分内容收录在《数亦有道》一书的第 10 章，欢迎你翻看查阅。

有了和书中一致的运行结果作为起点，你就可以放开手脚，尝试去修改其中内容。例如使用你自己的数据，或者调用不同的分析与可视化功能，从而满足你对于数据分析和学习的个性化需要。

以下是几个说明事项：

第二，AI Studio 支持 GPU 环境，因此完全可以做深度学习。然而在框架上，它只支持自家的 PaddlePaddle ，而不支持 Tensorflow 或者 PyTorch 等框架。因而本书深度学习部分的代码（主要用的是 Keras 和 fast.ai）无法在 AI Studio 这个平台上给你展现。不过别着急，授课过程中我已经找到了一个替代平台，后续教程会连同新的教学案例，一起分享给你。

第三，你会注意到表格里还有部分同学没有完成。我没有催促。因为这个项目，是大伙儿自愿参加的，没有酬，因而不能做强制要求。据反馈说，她是在分享链接环节遇到了阻碍，于是就一直卡在那里了。我在此也想通过这个实际的例子，给你提个醒——在学习和工作中，遇到问题没关系，但要注意多和老师，或者已经成功完成该步骤的同学沟通请教，而不要一个人和问题死磕。学会求助和协作，是提升实践经验的重要基础。对吧p>

最后，我想感谢一下参与代码迁移工作的五位同学，他们分别是：

李子浩、屈毅恒、石梦雨、吕玥函和吕芷萱。尤其是班长屈毅恒同学，组织了任务的分配和复核设置，建立和完善了这个飞书文档。在项目进展中，她一直注重沟通、解惑和提醒，表现非常出色。赞一个！

希望五位同学保持数据科学的学习热情。在今后几年的本科学习中，再接再厉，勇攀高峰。

欢迎你，我亲爱的读者，查阅和使用这些云端化项目代码，使你学习数据科学的路径更加通畅。

祝学习愉快！感谢你的陪伴和支持。

既然提到「双十二」了嘛，知识星球也来个优惠。时间一周，名额有限，先到先得。

《数亦有道》配套代码云端迁移进展

延伸阅读

相关推荐