数据科学项目可能会很复杂,包含许多部分,例如 Notebook、数据、环境和脚本。 团队可能难以有效开展合作。
Datalore 让数据团队轻松实现协作。 观看此视频快速了解 Datalore 的协作功能:
在 Datalore 中,您可以与同事一起实时编辑 Notebook。 将工作拆分成各个工作表,甚至将其汇集在同一个代码单元中。 编辑时,您将看到代码的实时更改。 环境、数据和计算状态自动共享。
您只需使用链接或电子邮件邀请并将访问级别设置为查看或编辑,即可共享 Notebook。 协作者可以在您离线时与您一起实时访问 Notebook。
通过电子邮件邀请加强报告共享安全性。 这项新功能允许您向特定个人(包括具有新 Viewer 许可证的用户)发送电子邮件邀请,确保访问权限仅限于被邀请人。
您只需点击右上角的协作者帐户图标,即可导航到协作者的光标并实时跟进。
通过与您的团队成员一起编辑 Python 脚本和其他附加到 Notebook 的文件,获得完全协作式体验。 您将能够在右侧边栏编辑器中看到协作者的光标,以及获得文件内容的实时更新。
在工作区中组织团队项目,让所有人都能随时随地同步掌握相关信息和进度。 从一个地方访问您的 Notebook、数据和报告,并获得它们的实时更新,不会再有遗忘在本地计算机上的不同步 Notebook。 对于个人实验,每个用户都会获得一个首页工作区。
共享 Notebook 或工作区时,您可以配置访问权限。 查看访问权限仅允许用户查看 Notebook 和工作区的内容,而编辑访问权限则授予用户对 Notebook 的完整访问权限,包括更改代码、运行单元和开始计算。
创建历史检查点跟踪团队的工作进度,查看版本之间的差异,以及随时恢复到以前的检查点。 对于删除工作表或单元等操作,将自动创建检查点。
数据科学团队的不同成员可能需要不同的计算资源。 Datalore 使您能够为需要高效 GPU 的用户和需要大量常规 CPU 计算的用户创建单独的使用方案。 您可以指定每个用户可以运行每种计算机类型的小时数,并限制某些用户运行高开销计算机。
您现在可以向 Notebook 和报告中的单元添加评论。 报告中的评论将与 Notebook 中的相关单元同步,保持无缝评论流。 讨论结束时,将相关评论标记为已解决即可结束对话。 请注意,评论通知和文本内提及在测试版中未激活,我们计划在下一版本中实现。