سرویس فعال — نصب یککلیک
Anaconda + JupyterLab — یک کلیک نصب روی VM شما
Anaconda Python distribution کامل + JupyterLab بهصورت service systemd. مناسب data science.
1سفارش سرور
2انتخاب برنامه
3اتصال و استفاده
Anaconda Python distribution کامل + JupyterLab بهصورت service systemd. مناسب data science.
Anaconda Python distribution کامل + JupyterLab بهصورت service systemd. مناسب data science.
این برنامه با یک کلیک روی یک سرور ابری اختصاصی در دیتاسنتر تهران نصب میشود. برخلاف میزبانی اشتراکی، دسترسی کامل ریشه (root) در اختیار شماست؛ یعنی میتوانید نسخهها را خودتان بهروزرسانی کنید، افزونه نصب کنید و پیکربندی را کاملاً کنترل کنید. صورتحساب ساعتی است و هر زمان میتوانید سرور را حذف کنید.
برای دسترسی امن از سراسر دنیا، دامنهٔ خود را وصل کنید تا گواهی SSL بهصورت خودکار صادر شود. بکآپ خودکار روزانه از داشبورد فعال میشود و بازیابی تنها یک کلیک فاصله دارد.
بدون پیکربندی دستی؛ برنامه و وابستگیهایش خودکار نصب و در چند دقیقه آماده میشوند.
سرور کاملاً در اختیار شماست — root SSH، نصب هر چیز دلخواه، نه میزبانی محدود اشتراکی.
اسنپشات روزانه از کل سرور با بازیابی یککلیکی از داشبورد.
دامنهٔ خود را وصل کنید؛ گواهی SSL خودکار صادر و تمدید میشود.
تأخیر پایین برای کاربران ایرانی و پهنای باند داخلی رایگان.
مصرف CPU/RAM/دیسک را ببینید و هر زمان سرور را ارتقا یا حذف کنید.
سرور را بسازید، Anaconda + JupyterLab خودکار نصب میشود و در چند دقیقه آماده است — با دسترسی کامل و بکآپ خودکار.
سرور با Anaconda + JupyterLab بسازپلن ۴ گیگ RAM برای data-science classroom-size. ۸ گیگ + CPU بالا برای ML training. ۱۶+ گیگ + GPU برای deep-learning.
در مرحلهٔ سفارش این پکیج را انتخاب کنید — Anaconda3 (Python 3.12 + 300+ packages) + JupyterLab service + nginx reverse-proxy خودکار راهاندازی میشوند.
به https://lab.<domain> بروید (token در داشبورد). یا JupyterHub multi-user mode را از Settings فعال کنید.
در terminal-tab: conda create -n myproject python=3.12 numpy pandas scikit-learn jupyter. سپس conda activate myproject. در JupyterLab kernel جدید ظاهر میشود.
Anaconda: full distribution، ۳۰۰+ data-science packages، Spyder/Navigator GUIs. Miniconda: minimal، conda + Python فقط. plain pip: lightweight، فاقد native-deps management. Mamba: drop-in conda replacement سریعتر (C++). برای classroom + reproducible data-science: Anaconda.
JupyterLab: modern تابلویی، multi-doc، file-browser، terminal، git-integration. Jupyter Notebook: classic single-doc. VS Code: full IDE با Jupyter-extension. برای classroom + remote-server-friendly: JupyterLab.
بله — JupyterHub را از Settings activate کنید. هر user environment isolated میگیرد. authentication: native، LDAP، OAuth (Google، GitHub). مناسب bootcamps و university courses.
بله — اگر VM با GPU سفارش دهید (RTX 4090 یا A100)، CUDA-toolkit + cuDNN خودکار install میشود. conda install pytorch torchvision pytorch-cuda=12.4 -c pytorch -c nvidia.
JupyterLab git-extension built-in. plus DVC (Data Version Control) برای ML-experiments tracking. plus MLflow + Weights&Biases از pip install.
NumPy، pandas، SciPy، scikit-learn، matplotlib، seaborn، plotly، TensorFlow، PyTorch، Keras، XGBoost، LightGBM، Statsmodels، NLTK، spaCy، Hugging-Face transformers (با conda install).