# Notebooks 教程

欢迎来到 Data Juicer Hub 的 Notebooks 教程库！[本分支](https://github.com/datajuicer/data-juicer-hub/tree/notebook)包含了一系列 Jupyter notebooks，帮助你快速上手 Data Juicer。

## 🚀 快速开始

除下述方法外，您也可以尝试 [JupyterLab Playground with Tutorials](http://8.138.149.181/)。

### 方式一：Github Codespace

1. **启动 Codespace**
   - 点击本仓库的 `Code` 按钮，选择 `Codespaces` 标签
   - 点击 `Create codespace on notebook`（`+`号） 启动环境
   - 稍等片刻，你将看到 VSCode Web 界面

2. **选择并运行 Notebook**
   - 在左侧文件目录中找到 `notebooks` 文件夹
   - 点击你感兴趣的 notebook 文件
   - 点击右上角的内核选择器，选择 **`data-juicer-hub`** 环境（位于 `.venv` 目录）
   - 开始运行！

### 方式二：Google Colab

点击下方链接，即可在 Google Colab 中在线运行教程：

| 章节 | 标题 | Colab 链接 |
|------|------|-----------|
| 01 | 快速入门 | [![Open In Colab](https://colab.research.google.com/assets/colab-badge.svg)](https://colab.research.google.com/github/datajuicer/data-juicer-hub/blob/notebook/notebooks/01_Getting_Started.ipynb) |
| 02 | 构建 Recipes | [![Open In Colab](https://colab.research.google.com/assets/colab-badge.svg)](https://colab.research.google.com/github/datajuicer/data-juicer-hub/blob/notebook/notebooks/02_Building_Recipes.ipynb) |
| 03 | 数据格式与加载 | [![Open In Colab](https://colab.research.google.com/assets/colab-badge.svg)](https://colab.research.google.com/github/datajuicer/data-juicer-hub/blob/notebook/notebooks/03_Data_Formats_and_Loading.ipynb) |
| 04 | DJ Dataset API | [![Open In Colab](https://colab.research.google.com/assets/colab-badge.svg)](https://colab.research.google.com/github/datajuicer/data-juicer-hub/blob/notebook/notebooks/04_DJ_Dataset_API.ipynb) |
| 05 | 算子使用详解 | [![Open In Colab](https://colab.research.google.com/assets/colab-badge.svg)](https://colab.research.google.com/github/datajuicer/data-juicer-hub/blob/notebook/notebooks/05_Operators_Usage.ipynb) |
| 06 | 分析与可视化 | [![Open In Colab](https://colab.research.google.com/assets/colab-badge.svg)](https://colab.research.google.com/github/datajuicer/data-juicer-hub/blob/notebook/notebooks/06_Analysis_and_Visualization.ipynb) |
| 07 | Ray 分布式处理 | [![Open In Colab](https://colab.research.google.com/assets/colab-badge.svg)](https://colab.research.google.com/github/datajuicer/data-juicer-hub/blob/notebook/notebooks/07_Distributed_Processing_with_Ray.ipynb) |
| 08 | 数据预处理 | [![Open In Colab](https://colab.research.google.com/assets/colab-badge.svg)](https://colab.research.google.com/github/datajuicer/data-juicer-hub/blob/notebook/notebooks/08_Preprocessing.ipynb) |
| 09 | 多模态数据处理 | [![Open In Colab](https://colab.research.google.com/assets/colab-badge.svg)](https://colab.research.google.com/github/datajuicer/data-juicer-hub/blob/notebook/notebooks/09_Multimodal_Data_Processing.ipynb) |
| 10 | 高级数据集配置 | [![Open In Colab](https://colab.research.google.com/assets/colab-badge.svg)](https://colab.research.google.com/github/datajuicer/data-juicer-hub/blob/notebook/notebooks/10_Advanced_Dataset_Configuration.ipynb) |

# 📝 教程内容概览

- [**01_Getting_Started**](./notebooks/01_Getting_Started.ipynb) - Data Juicer 核心概念与快速入门
- [**02_Building_Recipes**](./notebooks/02_Building_Recipes.ipynb) - 数据处理配方的设计与构建
- [**03_Data_Formats_and_Loading**](./notebooks/03_Data_Formats_and_Loading.ipynb) - 数据格式支持与加载方法详解
- [**04_DJ_Dataset_API**](./notebooks/04_DJ_Dataset_API.ipynb) - Dataset API 完整指南
- [**05_Operators_Usage**](./notebooks/05_Operators_Usage.ipynb) - 数据处理算子详解（YAML与Python两种模式）
- [**06_Analysis_and_Visualization**](./notebooks/06_Analysis_and_Visualization.ipynb) - 数据分析与可视化工具
- [**07_Distributed_Processing_with_Ray**](./notebooks/07_Distributed_Processing_with_Ray.ipynb) - Ray 分布式处理框架集成

- [**08_Preprocessing**](./notebooks/08_Preprocessing.ipynb) - 数据预处理脚本
- [**09_Multimodal_Data_Processing**](./notebooks/09_Multimodal_Data_Processing.ipynb) - 多模态数据处理能力
- [**10_Advanced_Dataset_Configuration**](./notebooks/10_Advanced_Dataset_Configuration.ipynb) - Dataset 高级配置选项

## 💡 推荐学习路径

**快速上手**
> 01 → 02 → 05 → 06 → 07
> 
> 适合：想快速了解与使用 Data Juicer 核心能力的学习者

**数据对接**
> 03 → 08、09、10
> 
> 适合：已经了解 Data Juicer 核心能力，需要将自有数据接入处理流程的开发者

**编程构建**
> 01 → 03 → 04 → 05 → 07
> 
> 适合：希望用代码灵活定制数据处理管道的工程师


## 📚 更多资源

- [Data Juicer 官方文档](https://datajuicer.github.io/data-juicer/en/main/)
- [Data Juicer Hub](https://github.com/datajuicer/data-juicer-hub)

Happy Learning! 🎉