Yandex DataSphere
Сервис для ML-разработки с удобным интерфейсом, в котором легко начать работу.
В DataSphere есть все необходимые инструменты и динамически масштабируемые облачные ресурсы для полного цикла разработки машинного обучения.
Гибкость и масштабируемость облака
Выберите необходимую конфигурацию вычислительных ресурсов и начните использовать их для обучения моделей уже через несколько секунд.
Бессерверные вычисления
Выберите опцию Serverless, определите конфигурации вычислительных ресурсов для конкретных ячеек кода и платите только за время вычислений.
Знакомые IDE
Используйте знакомый интерфейс Jupyter® Notebook в качестве среды для решения задач, подключайте TensorFlow, PyTorch* и другие популярные библиотеки для анализа данных и машинного обучения.
Гибкое управление ресурсами
Управляйте данными в проекте, сохраняйте их в датасеты, настраивайте подключения к базам данных, Object Storage или другим хранилищам в едином интерфейсе.
Командная работа
Совместно работайте над созданием ML-модели с коллегами из любой точки мира, делитесь кодом проекта, а также настраивайте бюджеты для команд в организации.
Развёртывание по кнопке
Запускайте ML‑модели в эксплуатацию за несколько минут без необходимости управлять инфраструктурой — всё будет создано автоматически.
С чего начать
Создайте свой проект и работайте в новом интерфейсе DataSphere, который объединяет привычный Jupyter® Notebook и вычислительные мощности Yandex Cloud.
Полный цикл машинного обучения в облаке
От экспериментов к внедрению: возможности Yandex DataSphere покрывают весь жизненный цикл ML-моделей для бизнеса.
- Собирайте и анализируйте данные
- Создавайте десятки ML-моделей и выбирайте лучшие
- Обучайте модели на полных датасетах
- Разворачивайте модель быстро и без дополнительных затрат
Training as a Service
Бесшовная оптимизация обучения в облачном окружении: сервис организует вычисления, снижая порог входа в High Performance Computing (HPC).
Вместо параллелизации экспериментов их можно пропорционально ускорять!
Для кого этот сервис
Data Scientist
DataSphere развивает концепцию Mighty Data Science: для релиза модели вам не нужна помощь других специалистов. Добавьте модель в DataSphere и опубликуйте её за пару кликов.
Руководитель разработки
Гибко управляйте бюджетами на команду, восстановите проект и окружение в два клика даже без автора, централизовано храните ресурсы и управляйте ими.
Дата-инженер и аналитик
Вам доступны популярные библиотеки анализа и обработки данных, а также возможность организовать работу в одном контуре с Data Scientist’ами.
Вопросы и ответы
Что такое Yandex DataSphere?
DataSphere — это облачная среда, которая объединяет наиболее востребованные инструменты и ресурсы, необходимые для машинного обучения. Сервис помогает пройти полный цикл создания модели: от эксперимента и разработки до запуска готовой версии в эксплуатацию на вычислительных мощностях Yandex Cloud.
DataSphere — это облачная среда, которая объединяет наиболее востребованные инструменты и ресурсы, необходимые для машинного обучения. Сервис помогает пройти полный цикл создания модели: от эксперимента и разработки до запуска готовой версии в эксплуатацию на вычислительных мощностях Yandex Cloud.
В чём преимущества бессерверной среды Yandex DataSphere?
- Вам не нужно тратить время на создание и обслуживание виртуальных машин — вычислительные ресурсы выделяются автоматически при создании нового проекта или запуске вычислений.
- Вы можете масштабировать ресурсы, необходимые для работы с данными и обучения моделей, не прерывая вычислительные процессы.
- В сервисе доступны различные конфигурации вычислительных машин, в том числе ВМ с GPU NVIDIA® V100 и NVIDIA® A100, а также распределённые вычисления на кластере SPARK.
- В качестве среды разработки в сервисе доступен широко распространённый интерфейс JupyterLab.
- Основные пакеты для анализа данных и машинного обучения уже доступны в сервисе в момент старта — TensorFlow, Keras, NumPy, PyTorch, CatBoost, LightGBM и другие.
Всё это помогает значительно сократить стоимость машинного обучения по сравнению с вычислениями на собственном оборудовании или на других облачных платформах, а также уменьшить время на разработку и ускорить перевод моделей из стадии эксперимента в стадию промышленного использования.
- Вам не нужно тратить время на создание и обслуживание виртуальных машин — вычислительные ресурсы выделяются автоматически при создании нового проекта или запуске вычислений.
- Вы можете масштабировать ресурсы, необходимые для работы с данными и обучения моделей, не прерывая вычислительные процессы.
- В сервисе доступны различные конфигурации вычислительных машин, в том числе ВМ с GPU NVIDIA® V100 и NVIDIA® A100, а также распределённые вычисления на кластере SPARK.
- В качестве среды разработки в сервисе доступен широко распространённый интерфейс JupyterLab.
- Основные пакеты для анализа данных и машинного обучения уже доступны в сервисе в момент старта — TensorFlow, Keras, NumPy, PyTorch, CatBoost, LightGBM и другие.
Всё это помогает значительно сократить стоимость машинного обучения по сравнению с вычислениями на собственном оборудовании или на других облачных платформах, а также уменьшить время на разработку и ускорить перевод моделей из стадии эксперимента в стадию промышленного использования.
Начните пользоваться DataSphere
Полезные ссылки
⚹ TensorFlow является зарегистрированным товарным знаком, принадлежащим Google Inc.
⚹ PyTorch является зарегистрированным товарным знаком, принадлежащим Facebook, Inc.