Почему вам нужен JupyterHub: для команды, студентов и домохозяек AI/ML и визуализация данных
Закончил магистратуру МГТУ им. Баумана и аспирантуру Высшей Школы Экономики.
Работал Data Sceintist-специалистом в HeadHunter, руководителем отдела аналитики в Mail.Ru Group (бизнес-юнит Юла). Сейчас работает старшим специалистом по машинному обучению в Lamoda. 5 лет преподает Data Sceince и Машинное обучение. В этом году запустил собственную школу машинного обучения https://DataGym.ru.
Jupyter и JupyterHub — популярный инструмент для работы с данными.
Я расскажу, почему я его люблю и почему ненавижу, секреты и опыт.
Вас ждут особенности и лайфхаки настройки JupyterHub для большой Data Science-команды. Как правильно организовать работу на общих серверах. Даже если команда состоит из одного человека, вы вынесете новые хитрости.
Но что, если вы не один? Как ужиться на одной машине 20 студентам, изучающим ML, или R&D-команде из 15 человек? Готовые рецепты, рекомендации и собранные грабли.
python notebook/ jupyter/ jupyterhub