4 облачных сервиса для аналитиков для быстрого старта кодинга на Python
От автора Telegram-канала Аналитика и Growth mind-set.
Как только вы начинаете изучать Python, встает вопрос - где писать код?
Часто новичку (да еще и не из сферы разработки, например, начинающему аналитику данных) бывает трудно выбрать, установить и настроить подходящую программу.
И тут на помощь приходят облачные сервисы, которые работают в формате "Открыл сервис и сразу пишу код".
Облачные среды позволяют пользователям сосредоточиться на своей работе без какой-либо установки, настройки и решений проблем с ошибками.
При этом я рекомендую только стартовать с облачных сервисов, а позднее все-таки установить себе и настроить какой-нибудь профессиональный редактор кода.
В последние годы Google Colab стал популярным выбором. Благодаря бесплатным процессорам и хранилищам, связанным с Google Диском, многие пользователи в сообществах машинного обучения и обработки данных считают его достаточно удобным для работы.
Так как я сама использовала Colab, то могу рассказать о нем чуть подробнее. В Colab достаточно удобно сделать задачу "по-быстрому", но он имеет ряд проблем, которые откровенно мешают.
Возможно, самая большая жалоба пользователей Colab заключается в том, что сеанс может сброситься в любой момент. Это означает, что вы можете потерять свою работу и создает дополнительные неудобства.
Еще одним недостатком Colab является то, что он очень медленный, если у вас действительно большие по размеру данные.
Kaggle — еще один продукт Google с функциями, аналогичными Colab. Как и Colab, Kaggle предоставляет бесплатные браузерные ноутбуки Jupyter.
С другой стороны, многие пользователи отмечают, что ядра Kaggle, как правило, медленные (хотя все же быстрее, чем у Colab). А для пользователей, которым не нравится делиться своими данными с Google, Kaggle по-прежнему не подойдет.
Интерфейс поддерживает широкий спектр рабочих процессов в анализе данных данных и машинном обучении.
К сожалению не нашла подтвержденных плюсов и минусов, а сама не пользовалась этим инструментом, однако очень часто о нем слышала, поэтому добавляю в подборку.
Сейчас для написания кода для аналитических задач я использую Visual studio code (это не облачный сервис, это текстовый редактор, разработанный Microsoft для Windows, Linux и macOS. Позиционируется как «лёгкий» редактор кода.
Если вы интересуетесь аналитикой данных, то вот бесплатные курсы в моем телеграм канале:
А здесь вы найдете 7 бесплатных курсов по анализу данных в Python, которые я изучила.