數據科學家面臨著許多阻礙發展的挑戰。還有一些操作任務，包括影響生產率的軟件堆棧管理、安裝和更新。復制最先進的資產可能很困難，因為現代工作流包含許多繁瑣而復雜的任務。訪問您需要的工具并不總是快速或方便的。此外，多種工具和 CLI 的使用增加了數據科學生命周期的復雜性。
掌握你的數據科學環境
建立數據科學模型說起來容易做起來難。這就是為什么我們宣布推出 NVIDIA Data Science Workbench ，以簡化和協調數據科學家、數據工程師和 AI 開發人員的任務。使用支持 GPU 的移動或桌面工作站，用戶可以輕松管理軟件開發環境，以提高生產率和易用性，同時快速復制最先進的示例以加速開發。通過 Workbench ，關鍵資產只需點擊一下。
![NVIDIA Data Science Workbench connects to the NVIDIA GPU Cloud and is also connected to JupyterLab, PyTorch, TensorFlow, RAPIDS, and multiple CLIs including Kaggle, NGC, NVIDIA Data Science Stack, and AWS.The foundation of the diagram is the NVIDIA-Certified Data Science Workstation and OS which supports Drivers, CUDA, nv-docker, and Docker]](https://developer-blogs.nvidia.com/wp-content/uploads/2021/11/DSW_Pic1-1.png)
Workbench 通過幾種方式增強了開發體驗：
更好的管理
輕松設置您的工作環境并管理 NVIDIA Data Science Stack 軟件版本。訪問工具，為 GPU 加速性能以及自動驅動程序 CUDA 、 nv-docker 和 NGC 提供優化框架? 容器更新。另外，獲得其他重要更新的通知。
易再現性
基于最先進的示例代碼更快地構建高質量模型。將 GitHub 內容容器化并為您的 Jupyter 環境復制資產。使用 NGC ? GPU 優化代碼的容器，該代碼也在 AWS 中運行。
提高生產力
輕松安裝軟件和驅動程序，快速訪問 Jupyter 筆記本、軟件資產、 Kaggle 筆記本、 GitHub 等。將 NGC 容器用于同樣在 AWS 中運行的 GPU – 優化代碼。
試用工作臺
Ubuntu18 . 04 和 20 . 04 的發布版本現在可用。單擊 此處?獲取安裝說明。另外，請觀看這個 90 秒的工作臺演示：?
“我安裝了 NVIDIA 數據科學工作臺，很快發現很容易重現 Git 內容并下載 NGC 容器用于 Jupyter 。我很高興地得知 Workbench 為您安裝了一個數據科學軟件環境，并解決了更新問題，這通常是一個巨大的麻煩和巨大的消耗。我希望 Workbench 會成為任何構建深度學習模型和其他數據科學項目的人的流行工具。”
Chanin 博士 Nan 級搪瓷
Mahidol 大學生物信息學副教授
數據教授 YouTube 頻道創始人
出席我們的會議 NVIDIA GTC Conference 要了解有關 Workbench 的更多信息，需要 GTC 注冊（注冊是免費的）。
會話 ID 和標題 A31396–Three Ways NVIDIA Improves the Data Science Experience
日期和時間： 2021 年 11 月 11 日太平洋時間凌晨 3 : 00 –凌晨 3 : 50 （之后按需）
工作臺–您的個人助理
NVIDIA Data Science Workbench 可以在工作站上提供一個方便的框架，用于構建使用最佳實踐的模型，從而提高您的工作效率。 Workbench 將在大多數啟用 GPU 的工作站上運行，但建議使用 NVIDIA-Certified Workstations 。最終，管理、復制和利用 NGC 、 Kaggle 和 Conda 獲得有用的資產變得更加容易。
Workbench 不會為您構建代碼，但它將加速開發，減少混亂，并幫助在更短的時間內交付更高質量的模型。要了解更多信息，請閱讀工作臺 網站 ，或訪問 Workbench forum 。
