Notebooks

Um serviço de notebook corporativo para colocar seus projetos em funcionamento em questão de minutos.

Descrição do conteúdo do vídeo.

Instâncias gerenciadas de notebook do JupyterLab

O Notebooks é um serviço gerenciado que oferece um ambiente JupyterLab integrado e seguro para que os cientistas de dados e os desenvolvedores de machine learning testem, desenvolvam e implantem modelos na produção. Com apenas um clique, os usuários podem criar instâncias que executam o JupyterLab e que vêm pré-instaladas com os frameworks mais recentes de ciências de dados e machine learning. 

O que há de novo

Implante com um clique

É possível implantar novas instâncias do JupyterLab com um clique e começar a analisar seus dados imediatamente. Cada instância vem pré-configurada com versões otimizadas das bibliotecas mais conhecidas de ciências de dados e machine learning, incluindo TensorFlow, Keras, PyTorch, fast.ai, RAPIDS, NumPy, scikit-learn, pandas e Matplotlib.

Escalonamento por demanda

Comece aos poucos e escalone adicionando CPUs, RAM e GPUs. Quando seus dados ficarem grandes demais para uma máquina, basta trocar para serviços distribuídos, como BigQuery, Dataproc, Dataflow e Vertex Training and Prediction. Você paga pelas instâncias somente enquanto elas estiverem em execução.

Experiência perfeita

Você poderá ir dos dados para um modelo de machine learning implementado sem sair do Notebooks. Extraia dados do BigQuery, use o Cloud Dataproc para transformá-los e aproveite os serviços da Vertex AI ou do Kubeflow para previsão on-line e treinamento distribuído.

Recursos

Experiência gerenciada do JupyterLab

O Notebooks se baseia no JupyterLab padrão do setor. Assim, é possível usá-lo com o restante da comunidade de cientistas de dados R e RPython, bem como personalizar seu ambiente instalando os plug-ins do JupyterLab. 

Desenvolvimento seguro

Os notebooks são compatíveis com arquiteturas de segurança corporativas conhecidas por VPC-SC, VPC compartilhada e controles privados de IP. Também é possível criptografar os dados em disco com a CMEK.

Acesso de usuário controlado

Escolha entre dois modos de acesso do usuário pré-definidos: Notebooks restrito a um único usuário ou uso de uma conta de serviço. Você também pode personalizar o acesso de acordo com a arquitetura de segurança corporativa com base no Cloud Identity and Access Management.

Rede avançada

Você pode selecionar qualquer nuvem privada virtual para as instâncias do Notebook, desde que a VPC seja acessível pelo Google Private Access ou pela Internet para o Cloud Storage. Também é possível desativar o endereço IP público e acessar sua instância via proxy.

Suporte a estruturas de ciências de dados

Fornecemos um ambiente pré-configurado que oferece suporte às bibliotecas de ciências de dados mais conhecidas, incluindo R, pandas, NumPy, SciPy, scikit-learn e Matplotlib, bem como estruturas de machine learning, como TensorFlow, Keras, fast.ai, RAPIDS, XGBoost e PyTorch.

Otimizado para machine learning

As versões otimizadas do Notebooks do TensorFlow e do PyTorch permitem que você aproveite ao máximo o hardware do Google Cloud e adicione e remova com facilidade GPUs da sua instância.

Suporte ao Git

Aproveite a facilidade de extrair e enviar notebooks do seu repositório Git, o que também favorece o compartilhamento de seus notebooks com colegas.

Use seu próprio contêiner

Execute uma instância do Notebook em um contêiner de sua escolha. Isso proporciona a flexibilidade para instalar bibliotecas específicas autorizadas por sua organização ou pré-configurar o JupyterLab em execução no ambiente de acordo com suas preferências.

Suporte a Explainable AI

Os Notebooks vêm como Explainable AI do Google Cloud pré-instalado, que permite a geração de atribuições de recursos instantânea para rápidas prototipagem e depuração de modelo.

Ciclo de vida completo do machine learning

"Vertex AI" na parte superior. Ao rolar as setas da esquerda para a direita, há quatro colunas do pipeline. 1 Preparar, lista os dados rotulados, o conjunto de dados do BigQuery e o Cloud Storage. 2 Criar, lista o Notebooks, o AutoML, o Training, o Deep Learning VM Image e os Deep Learning Containers. 3. Validar, lista o AI Explanations, a ferramenta What-if, o Vizier. 4. Implantar, lista o Prediction e o TensorFlow Enterprise

Recursos

Preços

Não há taxa mínima nem compromissos imediatos ou cobrança para uso do Notebooks. Você paga apenas pelos recursos de nuvem que usar com a instância do Notebooks: Compute Engine, Cloud Storage, Vertex Training, Vertex Prediction, BigQuery e outros. Nossa calculadora de preços pode ajudar você a estimar os custos das suas cargas de trabalho.

Próximos passos

Comece a criar no Google Cloud com US$ 300 em créditos e mais de 20 produtos do programa Sempre gratuito.

Precisa de ajuda para começar?
Trabalhe com um parceiro confiável
Continue navegando