Il tuo laboratorio di data science, ospitato in Francia
Un ambiente di calcolo interattivo alimentato da JupyterLab, installato e mantenuto da DINAO. I tuoi notebook, dataset e modelli restano sui nostri server francesi — le tue analisi non vanno mai altrove.
Cos'è JupyterLab ?
JupyterLab è l'ambiente di sviluppo interattivo di nuova generazione del progetto Jupyter, libero e open source. È l'interfaccia web di riferimento per i notebook di calcolo : documenti che combinano codice eseguibile, equazioni, visualizzazioni e testo narrativo, al centro della data science moderna, della ricerca scientifica e dell'insegnamento.
La sua interfaccia modulare riunisce in un unico spazio di lavoro notebook, editor di codice, terminali, browser di file e visualizzazioni, organizzabili affiancati. JupyterLab supporta decine di kernel (Python, R, Julia, Scala…) e l'intero ecosistema scientifico Python — pandas, NumPy, Matplotlib, scikit-learn — estensibile all'infinito tramite un ricco sistema di estensioni.
Per il lavoro di squadra, JupyterHub fornisce una distribuzione multi-utente in cui ciascuno dispone del proprio ambiente isolato, con autenticazione SSO/OIDC. Auto-ospitato da DINAO, eventualmente accelerato da GPU per il machine learning, JupyterLab diventa un laboratorio di dati sovrano in cui i tuoi dataset sensibili non lasciano mai il territorio francese.
Alloggia JupyterLab su DINAO
Livelli di risorse compatibili con i requisiti di JupyterLab (1 vCPU / 1 Go / 5 Go minimo). Ospitato in Francia, fully managed.
- 1 vCPU dedicati
- 2 Go di RAM
- 20 Go NVMe
- Backup quotidiani
- Fully managed & supervisionato da DINAO
- 2 vCPU dedicati
- 4 Go di RAM
- 40 Go NVMe
- Backup quotidiani
- Fully managed & supervisionato da DINAO
- 4 vCPU dedicati
- 8 Go di RAM
- 80 Go NVMe
- Backup quotidiani
- Fully managed & supervisionato da DINAO
- 8 vCPU dedicati
- 16 Go di RAM
- 160 Go NVMe
- Backup quotidiani
- Fully managed & supervisionato da DINAO
Dettagli tecnici
Ti chiedi…
Quali linguaggi posso utilizzare?
JupyterLab supporta decine di kernel: Python, R, Julia, Scala e molti altri. L'ecosistema scientifico Python (pandas, NumPy, scikit-learn, Matplotlib…) è preconfigurabile in base alle tue esigenze.
Più persone possono lavorare contemporaneamente?
Sì, tramite JupyterHub: ogni utente dispone del proprio ambiente isolato, con autenticazione SSO/OIDC. Il dimensionamento determina il numero di utenti simultanei.
Dove sono ospitati i miei dati?
Sull'infrastruttura DINAO in Francia, in uno dei datacenter disponibili. I tuoi dataset e notebook non lasciano il territorio.
Posso fare calcolo GPU o machine learning?
Sì. La GPU è disponibile come opzione (formula Team) o dedicata (formula Enterprise) per l'addestramento di modelli e carichi di lavoro intensivi.
Posso cambiare formula o esportare i miei dati?
Sì. Puoi salire o scendere di livello in qualsiasi momento, e i tuoi notebook e dati restano esportabili — nessun blocco proprietario.
