Einrichten der Entwicklungsumgebung

Aufruf mit Hilfe des Browsers

Installieren Sie die Python-Distribution Anaconda: https://www.anaconda.com/download/ (Python 3).
Laden Sie das GitHub-Repo herunter (als ZIP wird empfohlen)
Navigieren Sie zum Repo-Ordner (machine-learning-101)
Erstellen Sie ein Conda Environment (Hilfe) mit Hilfe der Datei environment.yml.
- $ conda env create -f environment.yml
- Alternativ können Sie das Environment im Anaconda Navigator unter "Environments > Import (unten)" mit Hilfe der environment.yml Datei importieren

Bei Fragen oder Problemen schreiben Sie einfach eine E-Mail

Wenn Sie einen Proxy verwenden, können Probleme bei der Installation auftreten!!
- https://stackoverflow.com/questions/29267646/how-to-enable-proxy-servers-with-anaconda-python
- https://stackoverflow.com/questions/36729023/how-to-make-anaconda-work-behind-http-proxy-not-https
- Setzen Sie den pip-proxy und erstellen Sie die .condarc-Datei
- Beenden Sie danach unbedingt die Session im Terminal und nutzen eine neue!

Falls das Projekt (machine-learning-101) auf einer anderen Festplatte abgelegt ist als die Anaconda-Installation:

https://stackoverflow.com/questions/35254852/how-to-change-jupyter-start-folder
Beispieländerung: c.NotebookApp.notebook_dir = 'D:\Source\python\machine-learning-101' (Pfadanpassen)

Aktivieren Sie Ihr Environment: $ activate ml-workshop
Starten Sie Jupyter Notebook: $ jupyter notebook
Ein Browser-Fenster sollte sich automatisch öffnen, wenn nicht wird der Link im Terminal angezeigt

Starten sie das Programm Anaconda Navigator
Wählen sie unter "Home" das Environment "ml-workshop" aus (Select-Feld unter "Applications on")
Jupyter Notebook erscheint als Programm. Drücken Sie "Launch" um die Anwendung zu starten
Ein Browser-Fenster öffnet sich, unter dem Sie die Anwendung erreichen können

Im Browser-Fenster können Sie nun zum Projektordner (GitHub Repository) navigieren
Die Dateien mit der Endung ".ipynb" können mit der Anwendung geöffnet werden