Привет, Хабр! Блокноты Jupyter, хотя и вызывают споры, по-прежнему являются наиболее часто используемым инструментом для решения задач Data Science. Ноутбуки легко использовать для личного использования.
Но если вы когда-нибудь пытались организовать с ними совместную работу, то наверняка сталкивались с трудностями.
Поэтому мы в JetBrains решили выпустить специальный версия Datalore Enterprise для команд Data Science!
Анонсируем Datalore Enterprise — интеллектуальную среду Jupyter для команд Data Science Мы интегрировали интеллектуальную поддержку написания кода из PyCharm, постоянное хранилище данных, службы аутентификации, детальную настройку среды и управление вычислительными ресурсами, управление версиями и возможность совместной работы в режиме реального времени в знакомые ноутбуки Jupyter. Читайте дальше, чтобы узнать о возможностях командной совместной работы Datalore.
Настройте среду своей команды
Многие команды по-прежнему тратят огромное количество времени и усилий на создание собственных решений на основе технологий Jupyter. Мы не пытаемся изменить привычную рабочую среду, а лишь предлагаем сделать комфортной построение командной среды и предоставить множество решений «из коробки».В то же время мы оставляем вам место для дальнейшей настройки.
Аутентификация пользователя
Благодаря Datalore компании получают доступ к JetBrains Hub — инструменту, позволяющему настраивать практически любой возможный метод аутентификации пользователя.Чтобы начать работу, членам вашей команды просто нужно перейти по вашей ссылке на Datalore и войти на платформу.
Настройка среды
Вы можете заранее настроить несколько командных сред по умолчанию.
При необходимости пользователи смогут динамически изменять список пакетов для каждого ноутбука с помощью Library Manager.
Менеджер библиотеки в Datalore
Управление вычислениями
Вы можете подключить любые используемые вами вычислительные ресурсы и сделать их доступными для пользователей через интерфейс Datalore. Более того, вы можете настроить внутренние планы для контроля совместного использования ресурсов между членами вашей команды.
Подключение для передачи данных
Мы интегрировали свои собственные в Datalore постоянного хранения , предоставляя быстрый доступ к ноутбукам и данным.Теперь вы можете подключиться к любой базе данных из кода Python, а в ближайшем будущем мы также планируем добавить возможность работы с базами данных через интерфейс.
Datalore поддерживает установку Корзины AWS S3 , и вы можете безопасно хранить логины и пароли в секретные переменные .
Создайте общую экосистему для работы
Команды работают в Datalore осуществляется в офисных помещениях — общие пространства для данных, настроек среды и ноутбуков.Рабочие пространства снижают риск того, что сотрудники уйдут или потеряют работу на локальных машинах, что является несомненным плюсом для компаний.
Они также облегчают сотрудникам совместную работу над проектами и позволяют им повторно использовать предыдущую работу.
Ты можешь поделитесь ноутбуком или целым рабочим пространством всего за несколько кликов: Для этого настройте права доступа и пригласите коллег по ссылке или по электронной почте.
Настройки среды, данные и другие вложения автоматически станут доступны приглашенным.
А совместная работа будет происходить в режиме реального времени, не выходя из вашей приватной сети.
Совместное использование блокнотов Jupyter в Datalore Чтобы поделиться результатами с коллегами, не имеющими технических знаний, вы можете свернуть ячейки кода, опубликовать статическую копию блокнота и поделитесь отчетом, используя ссылку.
Затем коллеги смогут комментировать любую ячейку и делиться своим мнением.
Мы интегрировались в Datalore система контроля версий отслеживать прогресс и при необходимости отменять изменения.
Вы можете создавать контрольные точки, просматривать различия между версиями и возвращаться к предыдущим состояниям в любое время.
Мы не храним историю вывода данных с ноутбука, что упрощает просмотр изменений в коде.
Повысьте производительность кодирования
Datalore — платформа, ориентированная на ноутбуки.Наша главная цель — помочь специалистам по обработке данных работать с кодом более продуктивно.
Мы интегрировались в Datalore возможности анализа кода от PyCharm .
К ним относятся автодополнение кода, подсказки по документации, рефакторинг и быстрые исправления.
Это помогает вам писать более качественный код с меньшей когнитивной нагрузкой, позволяя сосредоточиться на достижении бизнес-результатов.
Анализ кода в Datalore Чтобы вы не тратили много времени на написание шаблонного кода для визуализаций, мы добавили виджет автоматического создания диаграммы для фреймов данных Pandas. Это помогает вам быстро выявлять тенденции в данных и создавать шаблоны кода для дальнейшей настройки.
Автоматическое создание графиков в Datalore
Попробуйте Datalore в своей команде
30-дневная бесплатная пробная версия и возможность продления
Ваша команда может попробовать Даталор Энтерпрайз бесплатно в течение 30 дней.Мы будем на связи в процессе установки и ответим на любые ваши вопросы.
После пробного периода вы можете приобрести платную подписку на Datalore за 125 долларов США за пользователя в месяц.
В эту цену входит приоритетная поддержка корпоративных клиентов и возможность напрямую влиять на развитие продукта.
Мы регулярно встречаемся с нашими первыми пользователями и следим за тем, как Datalore интегрируется в их процессы.
Чтобы запросить пробную версию и задать любые вопросы, свяжитесь с нами или запланируйте встречу с нашей командой.
- Запросить пробную версию: [email protected]
- Закажите демо: https://calendly.com/d/nqdw-5n63/datalore-enterprise-demo
Технические требования
На данный момент доступны два типа установки:- в кластере Kubernetes
- в личном аккаунте AWS
Вы также можете попробовать это бесплатно облачная версия Datalore .
Настройка и запуск займут всего несколько секунд, после чего вы сразу сможете приступить к знакомству с основным функционалом.
И мы уверены, что вам есть что сказать.Ну а чтобы быть в курсе обновлений, подписывайтесь на нашу блог И Твиттер ! Искренне, Алена из команды Datalore Теги: #Машинное обучение #python #Визуализация данных #наука о данных #анализ данных #инструменты команды #jupyterhub #jupyter #jupyterlab #блокноты jupyter #Datalore #DataloreНапишите в комментариях, что вас больше всего мучает при работе с блокнотами Jupyter. И мы попробуем решить это в Datalore :)
-
Программное Обеспечение Сапр
19 Oct, 24 -
Бирман, Людвиг Франц Бенедикт
19 Oct, 24 -
Классификация Документов В Кредитных Заявках
19 Oct, 24 -
Так Что Же Случилось Со Сбербанком?
19 Oct, 24 -
Яндекс Продолжает Выдавать
19 Oct, 24