Любой, кому доводилось работать в SPSS, знает чувство тоски, которое охватывает при первом запуске этого продукта. К сожалению, он запускается долго, и это ощущение длится столько же. Отдельного внимания заслуживает и интерфейс этого ПО, ведь сложно сделать его менее интуитивно понятным. Меня из плена этого программного обеспечения когда‑то вывело открытие библиотеки pandas, с которой аналогичный анализ можно было проводить намного быстрее и с удобным сохранением скриптов, что позволяет быстро воспроизводить результаты.
Одному человеку для статистического анализа хватит обычного ПК, но если необходимо проводить более масштабные исследования или организовать совместную работу группы исследователей, потребуется более мощное оборудование и программное обеспечение, например, JupyterLab на GPU‑сервере. О нём мы сегодня и расскажем.
Преимущества JupyterLab
Работа с данными состоит из экспериментов, а не из написания программ в привычном смысле. Требуется посмотреть на промежуточный результат, поменять одну строчку и посмотреть снова. Программа, запускаемая целиком от начала до конца, для такого подходит плохо, ведь каждый запуск стартует с пустой памяти, а загрузка набора данных или весов модели занимает от минут до десятков минут. Ядро JupyterLab держит загруженное между выполнением ячеек, и цикл правки сокращается до секунд. Во многом поэтому ноутбуки вытеснили все остальные решения на исследовательской стадии.
Предустановленный JupyterLab
Закажите сервер с готовыми решениями для Data Science, научных вычислений и машинного обучения. Помимо уже перечисленных причин, такой сервер будет полезен в ситуациях, когда данные нельзя выносить за периметр компании. Он также будет незаменим для исследований, в рамках которых необходимо одинаковое окружение для всех участников. JupyterLab на GPU‑сервере станет отличным выбором для тех, кто занимается исследовательской работой.
