The JetBrains Blog

Blog

Skip to content
  • Blogs by Topic
  • 검색
  • Language
    • English
    • Français
    • 한국어
    • Русский
    • 简体中文
Burger menu icon
  • IDEs

    • AppCode
    • CLion
    • DataGrip
    • DataSpell
    • Fleet
    • GoLand
    • IntelliJ IDEA
    • PhpStorm
    • PyCharm
    • Rider
    • RubyMine
    • WebStorm
  • Plugins & Services

    • Big Data Tools
    • Code With Me
    • Quality Assurance
    • Rust
    • JetBrains Platform
    • Scala
    • Toolbox App
    • Writerside
  • Team Tools

    • Datalore
    • Space
    • TeamCity
    • Upsource
    • YouTrack
    • Hub
    • Qodana
  • .NET & Visual Studio

    • .NET Tools
    • ReSharper C++
  • Languages & Frameworks

    • Kotlin
    • Ktor
    • MPS
  • Education & Research

    • JetBrains Academy
    • Research
  • Company

    • Company Blog
    • Security
Datalore logo

The JetBrains Datalore Blog

Collaborative data science platform for teams.

팔로우
  • Follow:
  • Twitter Twitter
Try Datalore
  • 모두
  • 뉴스
  • 팀
  • Reporting

Datalore Enterprise 2023.2 소개

Datalore Enterprise 2023.2가 출시되었습니다! 이 버전은 R 사용자를 위한 기본 R 패키지 지원을 제공하고 Notebook 콘텐츠 검색, 환경 변수 관리 및 Report builder(보고서 작성기)의 유용성 개선을 통해 협업 데이터 과학의 경험을 향상합니다.  이어지는 내용을 통해 Datalore Enterprise 2023.2의 새로운 기능을 알아보고 최신 버전으로 업그레이드 하세요! 2023.2로 업그레이드 기본 R 패키지 지원 열정적인 R 사용자를 위해 Datalore Enterprise 2023.2에 기본 R 패키지 지원을 도입했습니다. 이제 Environment manager(환경 관리자) 탭에서 바로 'install.packages'를 이용해 공개 및 비공개 R 패키지 저장소의 패키지를 쉽게 설치할 수 있습니다. Datalore의 기본 R 패키지 지원 또한 Enterprise 고객은 R 커널을 사용하여 conda가 아닌 사용자 지정 기본 환경을 구성할 수 있습니다. 그러면 Environment manager 검색 결과에서 conda 패키지가 생략됩니다. 이러한 설치의 예는 여기에서 찾을 수 있습니다. 환경 변수 및 시

Jessie Cho Jessie Cho

2022년 개발자 에코시스템 설문조사: 원시 데이터가 공개되었습니다

29,269명의 개발자로부터 받은 응답을 담은 2022년 개발자 에코시스템 설문조사의 원시 데이터가 공개적으로 액세스할 수 있도록 준비되었습니다! 이 데이터가 유용하면서도 개발 커뮤니티에서 더 심도 있는 연구조사를 진행하는 데 보탬이 되기를 바랍니다.  원시 데이터는 원시 데이터가 포함된 csv 및 분석 예시가 포함된 Jupyter Notebook의 두 가지 형식으로 액세스할 수 있습니다.  Notebook에서는 설문조사의 기본 분석 내용을 보여줍니다. 데이터의 구조를 보여주고 몇 가지 분석 예시를 제시하며 자체 분석을 수행하기 위한 주요 기능을 제공합니다. Datalore에서 분석 예시 열기 원시 데이터가 있는 디렉터리에는 넓은 형식과 좁은 형식의 데이터, 설문조사 질문, 설문조사 논리, 라이선스, 짧은 이름이 기록된 테이블이 포함되어 있습니다. 보고서 및 데이터세트는 라이선스에 따라 공개되고 공유됩니다. 출처를 적절히 밝히기만 하면 여기에 있는 내용을 사용할 수 있습니다. 데이터의 정확성, 완전성 및 익명성을 보장하기 위해 필요한 모든 조치를 취했습니다. 또한 조사 참가자의 개인 정보를 보호하기 위해 민감한 정보나 개인 식별 정보가 적

Jessie Cho Jessie Cho

Datalore 2023 소식: Run API 및 여러 가지 성능 개선

2023년 1월부터 Community 및 Professional 사용자를 위한 여러 가지 새로운 기능이 출시되었습니다. 이 목록에는 오랫동안 기다려온 Datalore Run API, 더 강력해진 반응형 커널, 고성능 CPU 및 GPU, Professional 사용자를 위한 Datalore 크레딧 및 여러 가지 성능 개선 사항이 포함됩니다.  Datalore Run API 새로운 Datalore Run API를 사용하면 API 호출을 통해 Datalore Notebook을 실행하거나 보고서를 다시 게시할 수 있습니다. 이 기능은 외부 앱 및 내부 Datalore Notebook에서 필요에 따라 Notebook 재실행을 트리거할 수 있도록 예약 실행 기능이 확장된 것입니다. API 사용 방법에 대한 자세한 내용은 여기에서 확인할 수 있습니다. 품질 및 성능 개선 보고서 작성기(Report Builder) 및 Reactive 모드와 함께 예약 실행 및 데이터 연결이 개선되었습니다. 이제 데이터베이스 연결과 마찬가지로 작업공간 수준에서 클라우드 버킷 연결을 사용할 수 있습니다. 자세히 알아보기 이제 보고서 작성기가 복잡한 출력이 포함된 100개 이상의

Jessie Cho Jessie Cho
Datalore Enterprise 2023.1

Datalore Enterprise 2023.1: Run API 및 품질 개선

저희 팀은 이번 릴리스 주기에서 빠르면서도 유용한 기능을 제공하고자 노력하였으며, 그 결과 Datalore의 마지막 메이저 릴리스에서는 11개 이상의 주요 기능을 출시했습니다. 저희는 앞으로 더 많은 흥미로운 업데이트를 제공하고자 하는 궁극적인 목표를 바탕으로 버그를 수정하고 안정성을 높일 수 있도록 코드 베이스를 리팩터링했습니다. 오랫동안 기다려온 Datalore Run API뿐만 아니라 품질 및 성능 개선을 제공하는 Datalore Enterprise 2023.1을 소개해 드리겠습니다. 새로운 기능과 개선된 기능에 대해 자세히 알아보세요. 2023.1로 업그레이드 Datalore Run API 새로 추가된 API를 통해 Datalore Notebook 실행을 트리거하거나 API 호출로 보고서를 다시 게시할 수 있습니다. 이 기능은 외부 앱 및 내부 Datalore Notebook에서 필요에 따라 Notebook 재실행을 트리거할 수 있도록 예약 실행 기능이 확장된 것입니다. API 사용 방법에 대한 자세한 내용은 여기에서 확인할 수 있습니다. Datalore Run API Datalore 도움말 센터 이제 간편하게 Datalore 도움말 센터를 통해 Da

Jessie Cho Jessie Cho

Datalore에서 Git으로 작업하는 방법

Git은 일반적으로 데이터 과학 팀에서 사용하는 도구입니다. 이 튜토리얼에서는 협업 데이터 과학 플랫폼인 Datalore에서 Git으로 작업하는 방법을 설명하겠습니다.   Datalore로 Git 저장소를 설치하고 해당 저장소의 내용을 수정하고 작업 버전을 관리하는 방법을 알아보려면 계속 읽어보세요.  Datalore Notebook 환경에서 Git 저장소를 설치하는 방법 개인적으로 또는 팀에서 Python 스크립트 모음이나 Git에 저장된 pip 호환 패키지를 개발하는 경우, Datalore의 Jupyter Notebook에서 이 저장소에 편리하게 액세스할 수 있습니다.  이를 수행하는 방법에는 3가지가 있습니다. 저장소의 액세스 수준 및 유형에 가장 적합한 방법을 선택하는 것이 좋습니다. (more…)

Jessie Cho Jessie Cho
5 Ways to Collaborate Effectively as a Data Science Team

데이터 과학 팀이 효과적으로 협업하는 5가지 방법

데이터 과학 프로젝트는 Notebook, 데이터, 환경 및 스크립트와 같은 많은 부분으로 구성되어 있어 복잡할 수 있으며 데이터 과학 팀이 이러한 복잡성 속에서 효과적으로 협력하기란 쉽지 않을 수 있습니다. 이 게시물에서는 데이터 기반 팀의 생산성을 높이고 스트레스를 줄여주는 5가지 최신 협업 기술을 알아봅니다. 코드 및 필수 아티팩트를 쉽게 공유 데이터 과학 프로젝트에서 협업할 때는 다른 팀원과 자료를 공유하기가 너무 번거롭다는 문제 때문에 처음부터 난관에 부딪히기 쉽습니다. Jupyter Notebook을 공유하려면 특정 환경, 데이터 및 데이터 연결과 같은 많은 양의 컨텍스트도 공유해야 합니다. 데이터 변환만 도움을 받으려는 경우라면 이는 너무 과도한 작업이죠. Jupyter Notebook을 Google 문서만큼 쉽게 공유할 수 있다면 좋지 않을까요? Datalore를 사용하면 간단히 링크 또는 이메일 초대를 통해 보기 또는 편집 액세스 권한을 부여해 Notebook을 공유할 수 있으며 첨부된 모든 데이터 및 데이터 통합, 환경 및 컴퓨팅 상태가 자동으로 공유됩니다. 이는 머신러닝 또는 딥 러닝 모델을 오랫동안 훈련해 왔고 진행 상황을 실시간으로

Jessie Cho Jessie Cho
Interactive reports in Datalore

Datalore 대화형 보고서를 소개합니다!

목차 Datalore 대화형 보고서 소개 대화형 보고서 게시 방법 대화형 보고서가 유용한 경우 자주 묻는 질문 어떤 사용자가 대화형 보고서를 생성할 수 있나요? 보고서 생성 시 컴퓨팅 리소스가 사용되나요? 어떤 커널에서 보고서를 이용할 수 있나요? SQL 셀 및 데이터베이스 연결과 함께 대화형 보고서를 사용할 수 있나요? 안녕하세요, Datalore 팀입니다! 저희 팀은 데이터 워크플로의 본질은 협업이라 굳게 믿으며 Datalore의 공유 기능에 관해 계속해서 설명하고 글을 작성하고 있습니다.  일부 코드와 관련한 문제에 봉착했을 때 Edit(편집) 액세스 링크를 활용하면 동료에게 Notebook을 공유하여 실시간으로 도움을 요청할 수 있습니다. 라이브 튜토리얼 프레젠테이션 시에도 View(뷰) 액세스 링크를 통해 편리하게 Notebook을 공유해 보세요. 또는 최종 결과물도 편리하게 공유할 수 있습니다. 오늘 저희 팀은 대화형 보고서 게시를 통한 새로운 결과 공유 워크플로를 소개하려 합니다. Datalore에서 대화형 데이터 스토리 생성 방식을 알아보려면 이 게시물을 읽어보세요. Datalore 대화형 보고서 소개 Datalor

Jessie Cho Jessie Cho
Majo

2020년 Datalore 개선 사항: Datalore Professional, 향상된 코딩 및 UI 경험 등

지난해에는 세계적으로 모두가 대처해야 했던 예기치 못한 어려운 일이 있었습니다. 그래도 저희는 2020년에 Datalore Professional을 출시하고 수많은 탁월한 새 기능을 사용자 여러분에게 제공할 수 있었습니다. 이 글에서는 가장 주목할 만한 기능 중 몇가지에 관한 설명을 모아보았습니다. Datalore Professional Datalore Professional은 11월에 출시되었습니다. 이 제품은 강력한 컴퓨팅 하드웨어가 필요한 대규모 데이터세트를 다루는 복잡한 작업을 해결하도록 설계되었습니다. 다음은 Datalore Community와 Datalore Professional을 비교한 표입니다. 자세히 살펴보고 본인의 요구사항에 가장 맞는 요금제를 결정하세요. Community Professional 기본 시스템(4GB RAM, AWS 이름: t3.medium) 120시간 ♾️ 대규모 시스템(16GB RAM, vCPU 코어 2개, 기본 시스템의 400% 속도, AWS 이름: r5.large) – 120시간 GPU 시스템(NVIDIA T4 GPU 1개, 16GB GPU RAM, vCPU 코어 4개

Jessie Cho Jessie Cho
Datalore

Datalore란 무엇인가요?

이 프로젝트에 대한 작업을 시작한 지 꽤 오랜 시간이 지났고, Datalore가 무엇이며 데이터 과학 여정에서 어떤 도움을 줄 수 있는지에 대해 알려드릴 때가 되었다고 생각합니다. Datalore는 스마트 코딩 지원이 포함된 온라인 데이터 과학 노트북입니다. 정의에 대해 자세히 살펴보겠습니다. Datalore는 온라인입니다 Datalore에서는 모든 계산이 클라우드에서 수행됩니다. Python 및 Kotlin 코드를 실행하려면 간단히 브라우저를 열고 https://www.jetbrains.com/datalore/에서 등록한 다음, 첫 번째 노트북을 만들기만 하면 됩니다. 추가적인 설정이 필요하지 않습니다. 최고의 데이터 과학 라이브러리가 이미 Datalore에 사전 설치되어 있습니다. 지금 사용해 보기 데이터 과학을 위한 설계 Datalore는 데이터 과학자와 분석가들이 일상적인 작업을 완료할 수 있도록 설계되었습니다. Datalore를 사용해서 다음의 작업을 할 수 있습니다 데이터 수집 및 탐색 머신러닝 및 딥 러닝 모델 생성 결과를 시각화하고 다른 사람들과 공유 Datalore는 노트북과 연동됩니다 .ipynb 및 .datalo

Jessie Cho Jessie Cho

블로그 업데이트 구독

이 양식을 제출함으로써 본인은 JetBrains s.r.o.("JetBrains"가 본인의 이름, 이메일 주소 및 위치 데이터를 사용하여 상업적 커뮤니케이션을 포함한 뉴스레터를 보내고 이러한 목적으로 개인 데이터를 처리할 수 있음에 동의합니다. 본인은 JetBrains가 JetBrains 개인정보보호정책에 따라 이러한 목적으로 제3자 서비스를 사용하여 해당 데이터를 처리할 수 있음에 동의합니다. 본인은 내 프로필에서 언제든지 이 동의를 철회할 수 있음을 이해합니다. 또한 각 이메일에는 수신 거부 링크가 포함됩니다.

감사합니다!

  • Privacy & Security
  • Terms of Use
  • Legal
  • Genuine tools
Language
  • English
  • Français
  • 한국어
  • Русский
  • 简体中文
  • Twitter
  • Facebook
  • Linkedin
  • Instagram
  • Youtube
  • RSS
  • Tiktok
Copyright © 2000 JetBrains s.r.o.