Eine leistungsstarke Umgebung für Jupyter-Notebooks
JetBrains Datalore
Datalore ist eine leistungsstarke Onlineumgebung für Jupyter-Notebooks, mit dem man Code produktiver bearbeiten, ausführen und freigeben kann. Ohne dass eine Einrichtung erforderlich ist, kann man Datalore für die Datenerfassung und -exploration, maschinelles Lernen, Deep Learning und interaktive Visualisierung verwenden.
Funktionsüberblick Jetbrains Datalore:
Einsatzbereite Data-Science-Tools: Beliebte Data-Science-Bibliotheken sind bereits vorinstalliert, damit man schnell mit Jupyter-Notebooks loslegen kann.
Editor: Code direkt im Browser schreiben, mit voller Unterstützung für Python, Kotlin, R und Scala. Der Editor bietet Codierungsunterstützung, Codevervollständigung, Inspektions- und Refactoring-Optionen, automatische Quick-Fixes, Tipps und andere Optionen.
Zusammenarbeit: Arbeit kann mit dem Team geteilt werden, Fortschrittsverfolgung mit dem integrierten Versionskontrollsystem und Eingabe von Kommentaren in Textzellen mit Markdown- und LaTex-Unterstützung ist möglich.
Detaillierter Funktionsüberblick:
Beschleunigen Sie Ihre Data-Science-Arbeit mit Datalore
Vorkonfigurierte Umgebung sowie intelligenter Code-Editor spart Zeit. Datensätze können in den persistenten Speicher hochgeladen werden, Datenanalyse und Training von Modellen für maschinelles Lernen mit leistungsstarken CPU- und GPU-Maschinen ist möglich. Arbeit per Link teilbar, Team-Einladung zur Zusammenarbeit möglich.
Codierungsproduktivität
• Automatische Codevervollständigung und Quick-Fixes von PyCharm
• Schnellstart mit vorinstallierten Python-Bibliotheken
• Scala-, R- und Kotlin-Notebooks erstellen
• Automatische Diagramme für DataFrames generieren
• .py-Skripte und sudo-Befehle im Terminal ausführen
• In-App-Dokumentation hilft weiter
• Pip- und Conda-Paketmanagern zur Wahl
Arbeiten mit Daten
• Dateien und Ordner in den dauerhaften Speicher der Cloud hochladbar
• Datenbanken können verbunden werden und mit SQL-Zellen abgefragt werden
• Erstellung geheimer Variablen zum Speichern von Anmeldeinformationen
• Montage von S3-Buckets in Notebooks
• Navigation mithilfe des Inhaltsverzeichnisses durch Notizbücher
Zusammenarbeit
• Notizbücher gemeinsam in Echtzeit bearbeiten
• Organisieren Sie die Arbeit des Teams in Arbeitsbereichen
• Geben Sie Datensätze mithilfe von Arbeitsbereichsdateien im gesamten Team frei
• Verlaufsprüfpunkte generieren sowie Änderungsverfolgung
Berichterstattung
• Veröffentlichen Sie Notizbücher als interaktive Berichte und teilen Sie sie über einen Link
• Veröffentlichen Sie statische Kopien von Notizbüchern und teilen Sie sie über einen Link
• Exportieren Sie Notizbücher in PDF-, PY-, HTML- und IPYNB-Dateien
• Beschreiben Sie Daten mit Markdown und LaTex
• Präsentieren Sie Ergebnisse mit interaktiven Diagrammen
PRO Funktionen
Verwenden Sie leistungsstarke CPUs und GPUs
Erstellen Sie unbegrenzte Datenbankverbindungen und SQL-Zellen
Erstellen Sie unbegrenzt interaktive Berichte
Schalten Sie unbegrenzte Hintergrundberechnungen für lange Jobs ein
JetBrains Datalore für Unternehmen
Es wird eine Data-Science-Notebook-Plattform für Teams geboten. Datalore ist codezentriert und kooperativ und
privat vor Ort wie auch in der Cloud gehostet.
Daten importieren
Notebooks können mit Datenbanken und Cloud-Speichern verbunden werden. Mit SQL und Python können diese abgefragt werden.
Hauptmerkmale
• SQL-Code-Vervollständigung in SQL-Zellen
• Verbindungsschnittstelle für Datenbanken und S3-Buckets
• Integrierter dauerhafter Dateispeicher
Recherchiere und erhalte Einblicke
Mit sofort einsatzbereiten Visualisierungen werden Daten schnell verständlich. Durch intelligente Codierungsunterstützung in Notebooks ist die Analyse der Daten einfach und alle Fortschritte können in Echtzeit geteilt werden.
Hauptmerkmale
• Intelligente Codierungsunterstützung für Python, SQL, R und Scala
• Registerkarte „Visualisieren“ für die explorative Datenanalyse
• Zusammenarbeit in Echtzeit auf Notebooks
Verwandeln Sie Notizbücher in Berichte
Das Teilen von Arbeitsergebnissen mit Geschäftsbeteiligten oder Kunden ist komfortabel. Code-Ausblendung ermöglicht einfaches Lesen der Berichte. Statische Berichte können in interaktive Datengeschichten umgewandelt werden.
Hauptmerkmale
• Zellensichtbarkeitseinstellungen
• Interaktive Steuerelemente und Diagrammzellen
• Statische und interaktive Berichte
Modelle trainieren
Notebooks können auf den Cloud- und lokalen CPU- und GPU-Maschinen ausgeführt werden. Rechenkosten können mit den internen Ressourcennutzungsplänen optimiert werden.
Hauptmerkmale
• Cloud- und lokale CPU- und GPU-Verbindungen
• Interne Ressourcennutzungspläne
• Hintergrundberechnung für langlaufende Jobs
Teamarbeit gut organisieren
Organisation von Projekten in Teamarbeitsbereichen. Gemeinsames arbeiten in Echtzeit am Code ist möglich.
Hauptmerkmale
• Zusammenarbeit in Echtzeit auf Notebooks
• Zugriffsberechtigungen für Mitarbeiter anzeigen und bearbeiten
• Private und gemeinsam genutzte Arbeitsbereiche
Datenwissenschaftler
Intelligente Codierungsunterstützung für SQL, Python, R und Scala
Mit wenig Aufwand ist es möglich einen qualitativ besseren Code zu schreiben. Jede Sprache verfügt über eine reaktive Codevervollständigung. Python enthält auch In-App-Dokumentation, Quick-Fixes, Inspektionen und Refactorings.
Einfache interne Versionierung
Fortschrittsverfolgung durch Erstellung von Verlaufsprüfpunkte macht die Arbeit sehr komfortabel. Prüfung der Unterschiede zwischen den Versionen ist jederzeit möglich, was auch die Rückkehr zu früheren Prüfpunkten einfach macht.
Integrierter Paketmanager
Start von vor-konfigurierter Umgebung ermöglicht die Installation neuer Pakete einfach über den integrierten Paketmanager. Benutzerdefinierten Pip-kompatible Pakete, die in privaten Git-Repositories verfügbar sind ermöglichen angenehmes Arbeiten.
Code-Zusammenarbeit in Echtzeit
Schwierige Datenfragen könneN mit Teamkollegen gelöst werden, indem Notizbücher gemeinsam in Echtzeit bearbeitet werden. Die Aufteilung der Arbeit in Arbeitsblätter liefert Dateneinblicke schneller.
Reaktiver Modus für reproduzierbare Forschung
Der reaktive Modus erzwingt eine Top-Down-Auswertungsreihenfolge und eine automatische Neuberechnung der Zellen unter der geänderten. Der Notebook-Zustand wird nach jeder Zellauswertung gespeichert und kann jederzeit wiederhergestellt werden.
Datenanalysten
Intelligente Codierungsunterstützung für SQL, Python, R und Scala
Ein qualitativ besserer Code ist mit weniger Aufwand verfassbar. Jede Sprache verfügt über eine reaktive Codevervollständigung, und für Python ist auch In-App-Dokumentation, Quick-Fixes, Inspektionen und Refactorings enthalten.
Code-Zusammenarbeit in Echtzeit
Das Lösen schwieriger Datenfragen mit Teamkollegen ist möglich, indem man Notizbücher gemeinsam in Echtzeit bearbeitet. Die Aufteilung der Arbeit in Arbeitsblätter und liefern so Dateneinblicke schneller.
Einfache interne Versionierung
Fortschrittsverfolgung durch erstellte Verlaufsprüfpunkte zeigen die Unterschiede zwischen den Versionen und ermöglichen jederzeit die Rückkehr zu früheren Prüfpunkten.
Reaktiver Modus für reproduzierbare Forschung
Der reaktive Modus erzwingt eine Top-Down-Auswertungsreihenfolge und eine automatische Neuberechnung der Zellen
unter der geänderten. Der Notebook-Zustand wird nach jeder Zellauswertung gespeichert und kann jederzeit wiederhergestellt werden.
Integrierter Paketmanager
Der Start von einer vorkonfigurierten Umgebung aus ist möglich, was die Installation neuer Pakete über den integrierten Paketmanager einfach macht. Benutzerdefinierte Pip-kompatiblen Pakete, sind in privaten Git-Repositories verfügbar.
Team führt
Intelligente Codierungsunterstützung für SQL, Python, R und Scala
Schreiben Sie qualitativ besseren Code mit weniger Aufwand. Jede Sprache verfügt über eine reaktive Codevervollständigung, und für Python erhalten Sie auch In-App-Dokumentation, Quick-Fixes, Inspektionen und Refactorings.
Code-Zusammenarbeit in Echtzeit
Das Lösen schwieriger Daten-Fragen im Team ist möglich, indem Notizbücher, in Echtzeit, gemeinsam bearbeitet werden. Dateneinblicke werden schneller verfügbar, indem die Arbeit in Arbeitsblätter eingegeben wird.
Einfache interne Versionierung
Fortschrittsverfolgung ist möglich, indem Verlaufsprüfpunkte erstellt werden. Versions-Unterschiede ermöglichen jederzeit zu früheren Prüfpunkten zurückzukehren.
Reaktiver Modus für reproduzierbare Forschung
Der reaktive Modus erzwingt eine Top-Down-Auswertungsreihenfolge und eine automatische Neuberechnung der Zellen unter der geänderten. Der Notebook-Zustand wird nach jeder Zellauswertung gespeichert und kann jederzeit wiederhergestellt werden.
Integrierter Paketmanager
Der Start von vorkonfigurierter Umgebung und die Installation neuer Pakete ist unkompliziert über den integrierten Paketmanager möglich. Die Arbeit mit benutzerdefinierten Pip-kompatiblen Paketen, die in privaten Git-Repositories verfügbar sind, ist praktisch.
Installationsoptionen
Sichere Installation von Datalore Enterprise in der jeweiligen Infrastruktur:
• Lokale Installation mit Kubernetes
• Installation in Ihrer AWS-Infrastruktur
• Lokale Installation mit Docker