Yandex Cloud
Поиск
Связаться с намиПодключиться
  • Документация
  • Блог
  • Все сервисы
  • Статус работы сервисов
    • Популярные
    • Инфраструктура и сеть
    • Платформа данных
    • Контейнеры
    • Инструменты разработчика
    • Бессерверные вычисления
    • Безопасность
    • Мониторинг и управление ресурсами
    • Машинное обучение
    • Бизнес-инструменты
  • Все решения
    • По отраслям
    • По типу задач
    • Экономика платформы
    • Безопасность
    • Техническая поддержка
    • Каталог партнёров
    • Обучение и сертификация
    • Облако для стартапов
    • Облако для крупного бизнеса
    • Центр технологий для общества
    • Облако для интеграторов
    • Поддержка IT-бизнеса
    • Облако для фрилансеров
    • Обучение и сертификация
    • Блог
    • Документация
    • Контент-программа
    • Мероприятия и вебинары
    • Контакты, чаты и сообщества
    • Идеи
    • Истории успеха
    • Тарифы Yandex Cloud
    • Промоакции и free tier
    • Правила тарификации
  • Документация
  • Блог
Проект Яндекса
© 2025 ООО «Яндекс.Облако»
Yandex Compute Cloud
    • Все инструкции
      • Обзор
      • Создать ВМ из публичного образа DSVM
    • Посмотреть операции с ресурсами сервиса
  • Yandex Container Solution
  • Управление доступом
  • Справочник Terraform
  • Метрики Monitoring
  • Аудитные логи Audit Trails
  • История изменений
  • Обучающие курсы
  1. Пошаговые инструкции
  2. DSVM
  3. Обзор

Yandex Data Science Virtual Machine

Статья создана
Yandex Cloud
Улучшена
Dmitry A.
Обновлена 28 февраля 2024 г.

Yandex Data Science Virtual Machine (DSVM) — это виртуальная машина с предустановленными популярными библиотеками для анализа данных и машинного обучения. DSVM можно использовать как среду для обучения моделей и экспериментов с данными.

Как создать DSVM читайте в разделе Создание виртуальной машины из публичного образа DSVM.

Предустановленное программное обеспечениеПредустановленное программное обеспечение

Операционная система: Ubuntu 18.04

Установленные пакеты:

  • Менеджер пакетов conda с Python 2.7 и Python 3.6.
  • Инструменты для интерактивных и воспроизводимых вычислений Jupyter Notebook и JupyterLab.
  • Библиотеки Machine Learning:
    • CatBoost.
    • LightGBM.
    • PyTorch.
    • TensorFlow.
    • XGBoost.
  • Система управления контейнерами Docker.
  • Консольные клиенты систем контроля версий: Git, Mercurial и SVN.
  • Библиотеки NumPy, scikit-learn и SciPy, оптимизированные с помощью Intel Math Kernel Library и Data Analytics Acceleration Library.
  • Оптимизированные библиотеки для работы с изображениями: libjpeg-turbo, Pillow-SIMD.

Была ли статья полезна?

Предыдущая
Сделать ВМ прерываемой
Следующая
Создать ВМ из публичного образа DSVM
Проект Яндекса
© 2025 ООО «Яндекс.Облако»