Una científica de datos necesita más capacidad de cómputo para crear conjuntos de datos etiquetados a partir de grandes volúmenes de datos en Google Cloud Storage y Cassandra, además de visualizaciones. ¿Qué solución la ayuda más?

Google Cloud Datalab (ahora parte de AI Platform Notebooks) es la solución más adecuada porque proporciona un entorno interactivo basado en Jupyter para el análisis de datos, el desarrollo de modelos de aprendizaje automático y la visualización. Se integra directamente con Google Cloud Storage y permite la conexión a bases de datos como Cassandra, facilitando el procesamiento de grandes volúmenes de datos. Al implementarse en una VM de Compute Engine, Datalab puede escalar la capacidad de cómputo según sea necesario para manejar las cargas de trabajo intensivas de la científica de datos. Ejecutar Jupyter localmente no ofrece la escalabilidad ni la integración nativa con los servicios de Google Cloud. Google Cloud Shell es un entorno de línea de comandos, no una herramienta de análisis y visualización interactiva. Alojar solo una herramienta de visualización en una VM no aborda la necesidad de procesamiento de datos y creación de conjuntos de datos etiquetados.