Привет, Хабр!

Jupyter-ноутбуки хоть и вызывают споры, однако все равно являются самым часто используемым инструментом для решения задач Data Science. Ноутбуки просты в личном использовании. Но если вы когда-либо пробовали организовать командную работу с ними, то наверняка сталкивались со сложностями. Именно поэтому мы в JetBrains решили выпустить специальную версию Datalore Enterprise для команд Data Science!

В привычные Jupyter-ноутбуки мы интегрировали умную поддержку написания кода из PyCharm, персистентное хранилище данных, сервисы по аутентификации, гранулярную настройку среды и менеджмент вычислительных ресурсов, версионирование, а также возможность работать вместе в реальном времени.

Читайте дальше, чтобы узнать о возможностях Datalore для командной работы.

Настройте командную среду  

Многие команды по-прежнему тратят огромное количество времени и сил на создание собственных решений вокруг Jupyter-технологий.

Мы не стараемся изменить привычную для вас среду работы, а лишь предлагаем сделать построение командной среды комфортным и предоставляем многие решения из коробки. При этом мы оставляем вам простор для дальнейшей настройки.

Аутентификация пользователей

Вместе с Datalore компании получают доступ к JetBrains Hub — инструменту, который позволяет настроить практически любой возможный метод аутентификации пользователей. Чтобы приступить к работе, членам вашей команды достаточно перейти по вашей ссылке на Datalore и авторизоваться на платформе.

Настройка окружения

Вы можете заранее настроить несколько дефолтных командных сред. При необходимости пользователи смогут динамически менять список пакетов для каждого ноутбука, используя Library Manager.

Управление вычислительными ресурсами

Вы можете подключить любые используемые вами вычислительные ресурсы и сделать их доступными для пользователей через интерфейс Datalore. Более того, вы можете настроить внутренние планы, чтобы контролировать совместное использование ресурсов членами вашей команды.

Подключение данных

Мы интегрировали в Datalore собственное персистентное хранилище, дающее быстрый доступ к ноутбукам и данным. Сейчас вы можете подключиться к любой базе данных из Python-кода, и в ближайшем будущем мы также планируем добавить возможность работать с базами через интерфейс.

Datalore поддерживает установку бакетов AWS S3, а логины и пароли, вы можете безопасно хранить в секретных переменных.

Создайте общую экосистему для работы

В Datalore работа команд осуществляется в вокрспейсах — общих пространствах для данных, настроек среды и ноутбуков. Воркспейсы снижают риск того, что сотрудники оставят или потеряют свою работу на локальных машинах, что является безусловным плюсом для компаний. Также они облегчают сотрудникам совместную работу над проектами и позволяют переиспользовать предыдущие наработки.

Вы можете поделиться ноутбуком или целым воркспейсом всего за несколько кликов: для этого настройте права доступа и пригласите коллег по ссылке или через электронную почту. Настройки окружения, данные и другие вложения автоматически станут доступны приглашенным. А командная работа будет происходить в реальном времени, не выходя за пределы вашей приватной сети.

Чтобы поделиться результатами с коллегами не технического профиля, вы можете свернуть ячейки кода, опубликовать статическую копию ноутбука и поделиться отчетом с помощью ссылки. Коллеги затем смогут прокомментировать любую ячейку и поделиться своим мнением.

Мы интегрировали в Datalore систему контроля версий, чтобы 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 аутпутов ноутбуков, благодаря чему вам будет легче просматривать изменения в коде.

Улучшите продуктивность написания кода

Datalore — это платформа, ориентированная на работу с ноутбуками. Наша основная цель — помочь специалистам Data Science работать с кодом более продуктивно.

Мы интегрировали в Datalore возможности анализа кода из PyCharm. Они включают автодополнение кода, подсказки из документации, рефакторинги и быстрые исправления. Это помогает писать более качественный код с меньшей когнитивной нагрузкой, позволяя сосредоточиться на достижении бизнес-результатов.

Чтобы вы не тратили много времени на написание шаблонного кода для визуализаций, мы добавили виджет автоматического создания графиков для Pandas DataFrames. Он помогает быстро выявлять тенденции в данных и генерирует шаблоны кода для дальнейшей кастомизации.

Попробуйте Datalore в своей команде

30-дневная бесплатная пробная версия и возможности по продлению

Ваша команда может попробовать Datalore Enterprise бесплатно в течение 30 дней. В процессе установки мы будем на связи и ответим на любые ваши вопросы.

После пробного периода вы сможете приобрести платную подписку на Datalore по цене $125 долларов за пользователя в месяц. В эту стоимость входит приоритетная поддержка для корпоративных клиентов и возможность напрямую влиять на развитие продукта. Мы регулярно встречаемся с нашими первыми пользователями и следим за тем, как проходит интеграция Datalore в их процессы. 

Чтобы запросить пробную версию и задать любые вопросы, свяжитесь с нами либо запишитесь на встречу с нашей командой.

• Запросить пробную версию: datalore-enterprise@jetbrains.com

• Забронировать демо: https://calendly.com/d/nqdw-5n63/datalore-enterprise-demo

Технические требования

В настоящее время доступны два типа установки:

• на кластер Kubernetes

• в частной учетной записи AWS

Процесс включает установку и настройку ваших экземпляров Datalore и JetBrains Hub. Для получения дополнительной информации ознакомьтесь с нашим руководством по установке.

Вы также можете бесплатно попробовать облачную версию Datalore. Настройка и запуск займут всего несколько секунд, после чего вы сможете сразу начать знакомиться с основной функциональностью.

И мы уверены, вам есть что сказать. Напишите в комментариях, что больше всего болит при работе с Jupyter-ноутбуками. А мы постараемся решить это в Datalore :)

Ну а чтобы быть в курсе обновлений, подписывайтесь на наш блог и Twitter!

С уважением,

Алена из команды Datalore