Anaconda
주로 데이터 과학, 머신러닝, 그리고 과학 계산 작업을 위한 Python/R 배포판 및 통합 환경
데이터를 분석하고 모델링하는 작업에 필요한 여러 도구와 라이브러리를 한 번에 설치하고 관리할 수 있게 해줌
초보자부터 전문가까지 쉽게 사용할 수 있는 환경을 제공
Anaconda의 주요 특징
포함된 라이브러리와 도구
NumPy, Pandas, Matplotlib, SciPy, Scikit-learn, TensorFlow 등 데이터 분석과 머신러닝에 필요한 필수적인 라이브러리가 기본적으로 포함
Jupyter Notebook, Spyder 같은 개발 도구도 함께 제공
환경 관리
가상 환경을 쉽게 만들고 관리할 수 있음 => 프로젝트별로 다른 패키지와 Python 버전 사용 가능
• 예: conda create -n myenv python=3.8 명령어로 Python 3.8 환경 생성 가능 (-n은 --name 축약형 옵션, 두 명령어가 같은 기능 수행)
패키지 관리
conda라는 강력한 패키지 관리 도구를 사용해 라이브러리를 설치, 업데이트, 삭제
• 예: conda install numpy 명령어로 NumPy 설치
크로스 플랫폼
Windows, macOS, Linux에서 모두 사용 가능
Anaconda Navigator
GUI(그래픽 사용자 인터페이스)를 통해 Jupyter Notebook, Spyder, 환경 설정 등을 클릭 몇 번으로 관리 가능
명령어를 잘 모르는 사용자도 쉽게 사용
장점
초보자 친화적
데이터 분석 및 머신러닝에 필요한 모든 것을 한 번에 설치할 수 있어, 복잡한 설정 과정을 줄여줌
Jupyter Notebook 같은 도구를 바로 사용
강력한 가상 환경 관리
프로젝트마다 다른 Python 버전과 라이브러리 설정이 필요할 때 매우 편리
서로 다른 의존성을 가진 프로젝트를 관리하기 쉬움
대규모 라이브러리 지원
7,500개 이상의 데이터 과학 라이브러리를 지원하며, 복잡한 설치 과정 없이 간단히 설치 가능
보안 및 안정성
과학 계산에 적합한 안정적인 패키지를 제공 (패키지가 conda 채널을 통해 검증된 상태로 배포)
단점
설치 파일 크기
Anaconda 자체가 크기 때문에 디스크 공간을 많이 차지함
패키지 최신화
일부 패키지가 최신 버전보다 약간 뒤처질 수 있음
불필요한 라이브러리
모든 사용자가 모든 라이브러리를 사용하지는 않기 때문에 비효율적일 수 있음(리소스 낭비)
Anaconda를 사용하는 이유
데이터 과학 및 머신러닝
필요한 도구와 라이브러리를 한 번에 설치할 수 있어 생산성이 높아짐
연구 및 학습
Jupyter Notebook과 같은 대화형 환경을 통해 데이터를 시각화하고 분석하는 것이 쉬움
팀 협업
동일한 환경 설정을 공유하기 위해 environment.yml 파일로 환경을 정의하고 다른 팀원이 이를 로드할 수 있음
Anaconda 설치
Anaconda 설치 확인
#Anaconda 버전 확인
conda --version
Anaconda 가상 환경
#새로운 가상 환경 생성
conda create --name 가상환경이름
#가상 환경 활성화
conda activate 가상환경이름
#가상 환경 비활성화
conda deactivate
#가상 환경 제거
conda remove --name 가상환경이름 --all
나는 anaconda 좋다.
환경변수 관리하는거 괜찮다.
anaconda navigator로 Orange3 처음 접하고 신세계였음.
Learning 섹션 도는 것도 재밌고 이것저것 눌러보기 좋음
뭔 도구가 있는지 잘 모르고 찾아보기도 귀찮은 나같은 애들한테 적합하다 봄;ㅅ;
'Python to AI' 카테고리의 다른 글
Scikit-learn (1) | 2024.12.26 |
---|---|
AI/ML/DL (3) | 2024.12.24 |
Python - Pandas(데이터 프레임 구조 재조정) (3) | 2024.12.18 |
Machine learning Vol.2 (7) | 2024.12.17 |
Python - Pandas(다차원데이터관리 : MultiIndex) (4) | 2024.12.17 |