Specjalista ds. danych potrzebuje większej mocy obliczeniowej do tworzenia oznakowanych zbiorów danych z dużych danych w Google Cloud Storage i Cassandra, a także wizualizacji. Które rozwiązanie najbardziej jej pomoże?

Wdrożenie Google Cloud Datalab na maszynie wirtualnej (VM) w Google Compute Engine jest najlepszym rozwiązaniem, ponieważ Datalab to zarządzane środowisko Jupyter, które natywnie integruje się z usługami Google Cloud, takimi jak Cloud Storage i BigQuery (często używane z Cassandrą dla dużych zbiorów danych). Zapewnia skalowalną moc obliczeniową i narzędzia do eksploracji danych, analizy i wizualizacji, co jest dokładnie tym, czego potrzebuje specjalista ds. danych. Uruchomienie lokalnej wersji Jupyter na laptopie nie zapewni wymaganej mocy obliczeniowej ani dostępu do dużych danych w chmurze. Google Cloud Shell to tylko środowisko wiersza poleceń, a nie platforma do analizy danych. Hostowanie narzędzia do wizualizacji na maszynie wirtualnej rozwiązałoby tylko część problemu, ignorując potrzebę przetwarzania i tworzenia zbiorów danych.