ホーム › 学習ツール › Jupyter ノートブック
各セルを理解し、ノートブックを再現可能にする。

AI Jupyter Notebook アシスタント
コード、出力、説明をつなぐ

順序どおりに動かない、エラーが出る、説明が足りない Python ノートブックがありますか?概要、関連するセル、環境の詳細、トレースバックを入力してください。Verla の学術的なコーディング支援でロジックを確認し、Markdown を改善し、自分のノートブック環境で実行できるチェックを準備します。

✦ コーディングノートブックを進めるセル・状態・再現性
Verla でノートブックを確認 ↗
ダッシュボードを開きます。そこで入力を再入力し、許可された資料をアップロードしてください。このページは資料を転送せず、ノートブックを開かず、Kernel を起動しません。
説明用ノートブックセル

小さく確認できる計算

Markdown:目的と簡単な入力を説明します。
values = [2, 4, 6]
total = sum(values)
assert total == 12
print(total)
期待される標準出力12
ローカルの Python で確認済み。このページや Jupyter Kernel では実行していません。
静的なセルのプレビューです。Jupyter Notebook のビューアー、エディター、オンライン実行環境ではありません。
3つの実践ステップ

Verla で Jupyter Notebook の支援を使う方法

問題を再現可能にし、セルと説明を確認し、意図した Kernel で検証します。

あなたのノートブックの状況
📄 概要+関連セル課題
▤ 環境+データ例入力
✎ トレースバック+期待出力問題
01 / 提供

セルと環境の詳細を追加する

課題、関連するコードと Markdown、Python/Kernel/パッケージのバージョン、正確なトレースバック、許可された小さなデータ例を含めます。期待する動作と、セルを実行した順序を説明してください。

確認できるセルの流れ
01 入力とインポート定義
02 計算とチェック説明
03 出力と説明接続
02 / 改善

症状だけでなく原因を確認する

最小限の修正と、状態または型の問題の説明を求めます。依存関係と前提を明確にし、提案コードを検証済みの出力と分けて扱います。

クリーンな実行チェック
入力 → 計算 → チェック → 説明
新しい Kernel、既知の依存関係
環境で実行・確認する
03 / 検証

再起動し、順番に実行して確認する

自分の環境で適切な再起動/全セル実行の手順を使い、出力を課題と比較します。依存関係を記録し、Markdown を確認し、必要なら実際のエクスポートを点検します。

まずノートブックを理解する

Jupyter Notebook とは何か、どう使うべきか?

Jupyter ノートブック は、Jupyter エコシステムのノートブック作成アプリケーションです。ノートブック文書には、コードセル、説明用 Markdown、保存済みの出力が含まれます。コードは Kernel を通じて実行され、文書と実行中の状態は別のものです。そのため、現在のセルの並びでは再現できない場合でも、古い出力が表示されることがあります。

入力とインポートから計算、チェック、解釈までを整理し、クリーンな状態からテストします。コードの実行と説明を分けて考えましょう。Verla の 分析環境と学術的な改稿支援 についての説明が、その境界を明確にします。ノートブック支援は推論を確認しやすくするものであり、未実行の提案を結果として扱うものではありません。

各セルを説明可能にする

ノートブック課題を進める6つの方法

必要なノートブックアプリケーションで実行と環境の挙動を確認しながら、学術的なコーディング支援を利用できます。

🧩

明確なセルの流れを作る

インポート、設定、入力、計算、解釈を論理的な順序に並べます。セル間の依存関係を確認し、忘れた対話操作に結果が依存しないようにします。

🔎

トレースバックと状態からデバッグする

実際に失敗したセル、例外、その前にある定義を使って問題を切り分けます。存在しない変数を作らず、最小限の変更を説明し、型、パス、依存関係を確認します。

📝

Markdown とコードをつなぐ

関連する計算のそばで、目的、入力、方法、限界を説明します。見出しと表で議論を支え、解釈のないコードだけを残さないようにします。

✅

意味のある出力チェックを加える

課題に合った期待値、形状、件数、境界例をテストします。アサーションは条件を確認できますが、方法や科学的結論の妥当性を証明するものではありません。

▣

データと視覚的な出力を丁寧に説明する

単位、欠損値、ラベル、図が支える主張を確認します。生成された描画コードは実行して確認するまで提案にすぎません。保存された画像だけでは、現在の実行が成功した証拠になりません。

🔁

再現性とエクスポートを確認する

Kernel、依存関係、データの前提を記録します。クリーンな実行を確認し、必要な出力形式を点検します。ノートブック固有のコマンドやウィジェットは、スクリプトや PDF 変換で引き継がれない場合があります。

練習用 Jupyter Notebook の例

ノートブック作業を始める6つのテンプレート

練習用の合成例であり、実際のノートブック画面ではありません。Python の断片は独立して確認済みですが、Jupyter Kernel、デバッガー、nbconvert の手順はここで実行していません。

クリーンなセルの流れ
values = [2, 4, 6]
total = sum(values)
assert total == 12
print(total)
チェック/制限
期待される標準出力:12。スニペット内ではすべての変数を定義しています。ノートブック全体をクリーンな状態から確認してください。
コード/順序

クリーンなセルの流れ

定義、計算、チェックを分けます。

ダッシュボードを開く ↗
Markdown 表と説明
## Toy calculation

| Check | Expected |
| --- | ---: |
| Number of values | 3 |
| Total | 12 |
チェック/制限
この文章を Markdown セルに入れ、ノートブックアプリで表示してください。HTML カードは Markdown の描画テストではありません。
JUPYTER NOTEBOOK MARKDOWN

Markdown 表と説明

小さな例を記録するための Jupyter Notebook Markdown 表です。

ダッシュボードを開く ↗
小さなデータ品質チェック
from statistics import mean
values = [10, 12, None, 14]
observed = [v for v in values if v is not None]
assert len(observed) == 3
print(mean(observed))
チェック/制限
期待される標準出力:12。4個のうち観測値は3個で、欠損はゼロではありません。
データ/欠損値

小さなデータ品質チェック

記述統計の前に、欠損値を明示的に扱います。

ダッシュボードを開く ↗
型の不一致を説明する
raw = ["2", "4", "6"]
values = [int(x) for x in raw]
assert sum(values) == 12
print(sum(values))
チェック/制限
修正後の標準出力:12。実データでは、変換前に無効な文字列と欠損値の扱いを確認してください。
デバッグ/型

型の不一致を説明する

元の文字列を sum(raw) で合計すると TypeError が発生します。この簡単な課題では意図的に変換してください。

ダッシュボードを開く ↗
ラベル付きの図を計画する
values = [2, 4, 6]
labels = ["A", "B", "C"]
assert len(values) == len(labels)
# Plot in your chosen library.
# Label the axis and synthetic units.
チェック/制限
合成データの高さは A=2、B=4、C=6 です。描画とチャートの表示は実行していません。ライブラリを選び、実際の図を確認してください。
視覚化/仕様

ラベル付きの図を計画する

ラベルと値を対応させ、図が何を示すべきかを説明します。

ダッシュボードを開く ↗
スクリプトと PDF のエクスポートを確認する
jupyter nbconvert --to script example.ipynb
jupyter nbconvert --to pdf example.ipynb
チェック/制限
nbconvert と必要な依存関係がある環境でのみ実行してください。PDF は LaTeX 経由で作成され、スクリプト出力にノートブック固有の構造が残る場合があります。
エクスポート/外部ツール

スクリプトと PDF のエクスポートを確認する

公式 nbconvert コマンドのパターンであり、このページで変換を実行したものではありません。

ダッシュボードを開く ↗

引き継ぎには、出力を消去した小さな sample-notebook.ipynb と、そのコードを収めた sample-notebook-code.py が含まれます。コードはローカルの Python だけで確認しており、Jupyter Kernel の実行、正式な nbformat 検証、Markdown の描画、デバッグ UI、エクスポートは未テストです。

さまざまなノートブックの難所

ワークフローが止まる場所で支援を使う

環境や前のセルがないスクリーンショットではなく、再現可能な問題を入力してください。

🔁

セルを順不同で実行したときだけ動く

結果がメモリに残った値に依存しています。不足している定義を特定し、古い出力に頼らず新しい Kernel からノートブックを確認します。

🛠️

セルで型エラーまたは名前エラーが出る

トレースバックは失敗を示しますが、原因が不明です。コードの大きな部分を置き換える前に、関連する定義と入力の型を調べます。

📝

ノートブックにコードはあるが説明がない

読み手が出力の目的や意味を理解できません。入力、方法、チェック、限界を課題の問いにつなぐ Markdown を追加します。

📊

保存された出力がコードと一致しない

ノートブックに前回の実行で作られた図や値が表示されています。解釈を書く前に正しい順序で再実行し、現在の結果と比較します。

📁

別のマシンでノートブックが失敗する

パス、パッケージ、入力の前提が異なります。.ipynb ファイルに必要なすべての資産が含まれると決めつけず、依存関係を記録して再現可能なデータ設定を使います。

📄

必要なエクスポートの見た目が異なる

スクリプトで説明のレイアウトが失われたり、PDF の作成に失敗したりします。エクスポーター、依存関係、ノートブック固有の機能を確認し、実際に生成されたファイルを点検します。

よくある質問

Jupyter Notebook よくある質問

.ipynb ファイル、オンライン環境、Markdown、デバッグ、エクスポートに関する回答です。

Jupyter Notebook は何に使いますか?

コード、説明、出力を組み合わせた対話的な計算作業に使われます。学習、試作、データ探索などが含まれます。ノートブックでは複数の Kernel を利用でき、Python は一般的ですが唯一の言語ではありません。 Jupyter 公式ドキュメント を使って、アプリケーション、文書形式、実行環境を区別してください。

.ipynb ファイルとは何ですか?

セルとメタデータを含む JSON 形式のノートブック文書で、保存済みの出力や実行回数が含まれる場合もあります。単純な .py スクリプトではなく、データファイルやインストール済み依存関係が必ず含まれるわけでもありません。 ノートブック形式の説明を参照してください。保存済みの出力だけでは、現在のコードが正常に動く証拠になりません。

ipynb ファイルの内容を開いて実行するにはどうすればよいですか?

Jupyter Notebook や JupyterLab など、対応するノートブックアプリケーションでファイルを開き、適切な Kernel と依存関係を設定します。実行する前にソースと入手元を確認してください。静的な .ipynb ビューアーは保存内容を表示できますが、それだけで計算を再現することはできません。このページはアップロードしたノートブックを開いたり、ビューアーを提供したりしません。

これはオンラインの Jupyter Notebook やオンライン Python ノートブックを提供しますか?

ここではホスト型 Kernel、オンライン Jupyter Notebook サーバー、ブラウザーでのコード実行は実装していません。Verla は Jupyter Notebook の課題を公開していますが、認証済みランタイムとファイルビューアーの対応はテストも確立もされていません。実行には承認済みのノートブック環境を使い、権限とデータポリシーを確認してください。このページは計画とレビューを支援します。

Jupyter Notebook の Markdown と表はどう使いますか?

見出し、説明、対応する Markdown 構文には Markdown セルを使い、ノートブックアプリケーションで表示します。上の表テンプレートは、パイプ記号を使う簡単な表の例です。関連するコードのそばに説明を書き、特にエクスポート後は表示結果を確認してください。正確な表示はレンダラーと出力形式によって異なります。

Jupyter Notebook のデバッグ作業に役立つものは何ですか?

完全なトレースバック、失敗したセル、その前にある定義、入力、環境のバージョンを含めてください。隠れた状態を確認し、クリーンなセルの並びから問題を再現します。対話的なブレークポイントには対応するインターフェースと Kernel が必要です。 JupyterLab のデバッガー要件を参照してください。このページはデバッガーを接続せず、AI が提案した修正も実行しません。

Jupyter Notebook を PDF にエクスポートするにはどうすればよいですか?

アプリケーションが対応しているエクスポート手順、または必要な依存関係を備えた nbconvert を使います。--to pdf は LaTeX 経由で作成し、--to webpdf は追加要件のあるブラウザベースのエクスポーターで描画します。 公式の変換ガイド を確認し、数式、表、図を点検してください。ここでは PDF 変換を実行せず、結果も保証しません。

Jupyter Notebook を py に変換するにはどうすればよいですか?

Python ノートブックでは、適切に設定した環境で nbconvert --to script を使うと Python スクリプトを作成できます。これは外部ツールを使う手順であり、このページに組み込まれた変換ではありません。ノートブックマジック、ウィジェット、セルの状態、環境の前提は、スクリプトを通常どおり動かす前に変更が必要な場合があります。実際のスクリプトを確認してテストしてください。同梱サンプルコードは nbconvert で生成せず、直接作成しています。

セルを再現可能にする。
推論を明確にする。

課題、セル、環境の詳細を入力してください。コード、チェック、説明を確認して検証できるノートブックで作業を進めます。

ノートブックのサポートを始める ↗
AI Jupyter Notebook アシスタント – 例、デバッグ、Markdown | Verla