高性能分布式計算

數據集成做得很方便，將結果自動生成dataframe來使用，可視化也非常好用； 相對于colab來說，文件目錄不用掛載，ipynb與py都可以一鍵執行簡直太舒心了，文件預覽做得也可，模型有單獨的倉庫保存記錄，有版本區分，最快樂的是，支持后臺運行和斷點續傳，不用整夜開電腦運行了； 相對于jupyterLAB，那就好用的不知道到哪里去了，個人感覺使用感受與本地集成IDE差不多，雖然目前的精細程度還達不到，手感還是差不多的，相對來說還精簡了很多復雜的菜單啊、設置什么的，可能是目前還在開發中，代碼編輯的功能花樣雖然要比我用過的其他線上平臺強很多，但是沒有Jetbrain家本地ide那么花哨； 感受最好的要提一下，運行速度了，colab kernel啟動速度慢的一批，在IDP全部執行時，幾乎無痕啟動，另外用戶的環境可以有很多套，每一套都是永久使用的，說明這跟大多數實行資源回收分配的平臺不一樣，太香了，順便提一提，包安裝也很方便，右側搜索安裝，隨時查看包列表； 最后，夸夸IDP客服，可能是初生代企業的原因，滿滿的情懷和熱情，特別渴望建議，有些問題提出來，不到一周就能在更新上看到改變，查看版本時可查看更新日志，總有一種自己也參與了IDP建設的感覺，NICE啊

談一談和jupyter notebook的優劣對比吧hh。jupyter本身優點是實現瀏覽器端編程，便于調試，而且能夠支持富文本語言，markdown語言，png顯示等。非常方便制作有文字有代碼的講義或教案。IDP在這方面基本上實現了jupyter的大多數功能。此外IDP可以方便地與數據庫(如阿里云、亞馬遜數據庫)進行交互，有一些代碼案例便于直接引用修改，這是其優點，也是IDP本身需要的特色(便于數據科學家進行編程操作)。此外IDP對用戶可以提供包含GPU在內的內核資源很不錯(使用個人版notebook時候一直是用自己電腦的cpu跑)。

IDP對于算法工程師而言的確是一套很方便的工具。notebook界面足夠靈活，方便探索性分析和建模，IDP還在環境和資源管理方面做了很多優化便利功能，能讓算法工程師有更多精力關注數據和業務問題。模型部署方式也足夠靈活，門檻比較低，離線任務和在線模型服務部署起來都很方便。