Пошук

Курс валют
$ 42.50
€ 46.75
Код товару: Jb-T-Dl-1-1-1-1-1

JetBrains Datalore Team

slide
Компоненти:
Git Git
Кросплатформенність Кросплатформенність
AI штучний помічник AI штучний помічник
Термінал Термінал
Бази даних Бази даних
Операційні системи:
windows
linux
mac
Код товару: Jb-T-Dl-1-1-1-1-1

JetBrains Datalore Team

Виробник:
licence
Тип ліцензії:
Тип користувача:
Версії:

JetBrains Datalore Team
JetBrains Datalore Team

17 850 ₴
0
0
Закрити
liqpay
apple pay
google pay
Оплата на рахунок
Термін доставки.

Замовлення виконується впродовж 1-ої доби в робочий час з моменту оплати замовлення.

Тип поставки.

Постачається в електронному вигляді на електронну пошту користувача надану під час оформлення замовлення. Сертифікат в електронному вигляді на електронну пошту замовника.

Git Git
Кросплатформенність Кросплатформенність
AI штучний помічник AI штучний помічник
Термінал Термінал
Бази даних Бази даних
Опис
Системні вимоги
Галерея 1

Datalore - аналітична платформа для візуалізації та обробки первинних даних. Допомагає розробникам та спеціалістам з Data Science надавати зрозумілу інформацію про проекти маркетинговим і продуктовим командам. При використанні платформи немає великої потреби у написанні коду, є можливість автоматизації функцій, що перетворює її у no-code інструмент. Платформа доступна у вигляді веб-додатку і може бути встановлена на виділені сервери.


Можливості Datalore:


Ноутбуки

Ноутбуки Jupyter-ноутбук є основою будь-якого проекту з аналізу даних. Datalore включає всі необхідні інструменти для роботи з Jupyter-ноутбуками. Платформа надає допомогу у написанні коду на Python, SQL, R, Scala та Kotlin, щоб ви могли продуктивно працювати і писати якісний код з меншими зусиллями. Редактор Datalore забезпечує швидкий доступ до підключених джерел даних, автоматичним візуалізаціям, статистиці набору даних, інструменту складання звітів, менеджеру середовища, керуванню версіями та іншим корисним інструментам.


Підключення до джерел даних

Незалежно від того, чи працюєте ви з CSV-файлами, кошиками S3 або базами даних SQL, Datalore забезпечує зручний доступ до даних з кількох джерел у одному ноутбуці. В Datalore є постійне внутрішнє сховище для швидкого доступу до блокнотів та інших робочих артефактів. Усі дані — як завантажені локальні файли та теки, імпортовані за посиланням, так і завантажені файли з репозиторію коду — зберігаються у файлах блокноту. Коли ви ділитеся блокнотом з колегами, вони автоматично отримують доступ до його файлів. Використовуючи файли робочого простору, можна зробити набори даних доступними для кількох блокнотів. Достатньо один раз завантажити набір даних у робочий простір, і він буде доступний кожному редактору в цьому просторі.


Спільна робота

У проектах Data Science часто складні структури, що складаються з багатьох частин: блокнотів, даних, середовищ та скриптів. Ефективна спільна робота над ними всією командою може бути складною.

Datalore робить спільну роботу з даними простою і зручною.


Редагування блокнотів та командні робочі простори

Datalore дозволяє редагувати блокноти спільно з колегами в реальному часі. Роботу можна розділити на окремі аркуші, а за необхідності навіть редагувати одну й ту ж саму комірку коду одночасно. При редагуванні всі зміни в коді відображаються миттєво. Спільний доступ до середовища, даних та стану обчислень забезпечується автоматично. Роботу над проектами зручно організовувати в командних робочих просторах. Це надає всім членам команди єдину точку доступу до блокнотів, даних та звітів, дозволяючи отримувати оновлення в реальному часі. В результаті ніхто не забуде синхронізувати блокноти, залишені на локальних машинах. Для особистих експериментів у користувачів є індивідуальне робоче пространство.


Datalore AI

Генеративний штучний інтелект підвищує продуктивність команд, що працюють з даними, та робить Data Science доступнішим для інших фахівців. Саме тому ми впровадили в наші блокноти Datalore AI. Datalore AI генерує код на Python, SQL і R, а також може детально описати результати аналізу і миттєво виправити помилки в коді.

Якщо виникає помилка при виконанні блокнота або комірки, Datalore запропонує виправити проблему за допомогою Datalore AI. Ви зможете переглянути відмінності між відредагованим кодом та початковим, прийняти запропоновані зміни і знову запустити розв'язок.


Звіти

Datalore допомагає наглядно демонструвати результати аналізу: лише кількома кліками можна перетворити блокноти в інтерактивні звіти та інформаційні додатки. Можна повністю приховати комірки з кодом на Python, SQL, Scala або R та відображати лише Markdown-комірки, візуалізації та інтерактивні віджети. Ви також можете поділитися повною версією блокнота Jupyter — ви самі вирішуєте, який контент включити в звіт.

Блокнотом можна поділитися як історією: опублікуйте інтерактивний звіт і надішліть команді загальнодоступне посилання на нього. Кожен користувач отримає власний екземпляр звіту і зможе за необхідності змінювати в ньому елементи керування, віджети та вхідні дані комірок діаграм, а також виконувати обчислення знову. Для доступу до звітів не потрібний обліковий запис у Datalore.


Локальна установка

Datalore можна встановити у приватному хмарному середовищі або на локальній інфраструктурі, що дозволить отримати додаткові можливості індивідуальної настройки та захисту даних. У підписці на план Enterprise включаються користувацькі налаштування аутентифікації через SSO, конфігурація середовища та обчислювальних ресурсів.


Конфігурація Kubernetes (Enterprise)

Datalore можна встановити у будь-якому зручному кластері Kubernetes, як локально, так і у приватному хмарному середовищі. Встановлення в Kubernetes надає найширші можливості налаштування рішення, але для цього потрібно володіти технологією Kubernetes.


Групи користувачів

У Datalore можна створювати групи користувачів, щоб надавати доступ до блокнотів та робочих просторів декільком людям одночасно. Створюйте групи користувачів на панелі адміністратора в Datalore або синхронізуйте їх з аутентифікаційним модулем JetBrains Hub. JetBrains Hub дозволяє синхронізувати групи з вашим постачальником аутентифікації (наприклад, Azure AD). Докладніше про підтримувані модулі аутентифікації можна прочитати в документації.


Доступно на мовах:

  • English


Конкуренти:

  • Jupyter Notebooks
  • Google Colab
  • Microsoft Azure Notebooks


Повна документація доступна за посиланням Datalore features.

Windows

  • 64-бітна версія Windows 10 1809 і пізніші версії або Windows Server 2019 і пізніші версії
  • не менше 2 ГБ вільної оперативної пам'яті та не менше 8 ГБ загальної оперативної пам'яті на пристрої
  • 3,5 ГБ вільного місця на диску, рекомендується використання SSD
  • роздільна здатність екрана — не менше 1024x768 пікселів


MacOS

  • macOS 12.0 або пізніша версія
  • не менше 2 ГБ вільної оперативної пам'яті та не менше 8 ГБ загальної оперативної пам'яті на пристрої
  • 3,5 ГБ вільного місця на диску, рекомендується використання SSD
  • роздільна здатність екрана — не менше 1024x768 пікселів


Linux

  • дистрибутив Ubuntu (22.04, 20.04 або пізнішої версії) з підтримкою Gnome та KDE
  • glibc 2.29 або новіший
  • не менше 2 ГБ вільної оперативної пам'яті та не менше 8 ГБ загальної оперативної пам'яті на пристрої
  • 3,5 ГБ вільного місця на диску, рекомендується використання SSD
  • роздільна здатність екрана — не менше 1024x768 пікселів
slide