数据科学家面临着许多阻碍发展的挑战。还有一些操作任务，包括影响生产率的软件堆栈管理、安装和更新。复制最先进的资产可能很困难，因为现代工作流包含许多繁琐而复杂的任务。访问您需要的工具并不总是快速或方便的。此外，多种工具和 CLI 的使用增加了数据科学生命周期的复杂性。
掌握你的数据科学环境
建立数据科学模型说起来容易做起来难。这就是为什么我们宣布推出 NVIDIA Data Science Workbench ，以简化和协调数据科学家、数据工程师和 AI 开发人员的任务。使用支持 GPU 的移动或桌面工作站，用户可以轻松管理软件开发环境，以提高生产率和易用性，同时快速复制最先进的示例以加速开发。通过 Workbench ，关键资产只需点击一下。
![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 通过几种方式增强了开发体验：
更好的管理
轻松设置您的工作环境并管理 NVIDIA Data Science Stack 软件版本。访问工具，为 GPU 加速性能以及自动驱动程序 CUDA 、 nv-docker 和 NGC 提供优化框架™ 容器更新。另外，获得其他重要更新的通知。
易再现性
基于最先进的示例代码更快地构建高质量模型。将 GitHub 内容容器化并为您的 Jupyter 环境复制资产。使用 NGC ™ GPU 优化代码的容器，该代码也在 AWS 中运行。
提高生产力
轻松安装软件和驱动程序，快速访问 Jupyter 笔记本、软件资产、 Kaggle 笔记本、 GitHub 等。将 NGC 容器用于同样在 AWS 中运行的 GPU – 优化代码。
试用工作台
Ubuntu18 . 04 和 20 . 04 的发布版本现在可用。单击 此处 获取安装说明。另外，请观看这个 90 秒的工作台演示：
“我安装了 NVIDIA 数据科学工作台，很快发现很容易重现 Git 内容并下载 NGC 容器用于 Jupyter 。我很高兴地得知 Workbench 为您安装了一个数据科学软件环境，并解决了更新问题，这通常是一个巨大的麻烦和巨大的消耗。我希望 Workbench 会成为任何构建深度学习模型和其他数据科学项目的人的流行工具。”
Chanin 博士 Nan 级搪瓷
Mahidol 大学生物信息学副教授
数据教授 YouTube 频道创始人
出席我们的会议 NVIDIA GTC Conference 要了解有关 Workbench 的更多信息，需要 GTC 注册（注册是免费的）。
会话 ID 和标题 A31396–Three Ways NVIDIA Improves the Data Science Experience
日期和时间： 2021 年 11 月 11 日太平洋时间凌晨 3 : 00 –凌晨 3 : 50 （之后按需）
工作台–您的个人助理
NVIDIA Data Science Workbench 可以在工作站上提供一个方便的框架，用于构建使用最佳实践的模型，从而提高您的工作效率。 Workbench 将在大多数启用 GPU 的工作站上运行，但建议使用 NVIDIA-Certified Workstations 。最终，管理、复制和利用 NGC 、 Kaggle 和 Conda 获得有用的资产变得更加容易。
Workbench 不会为您构建代码，但它将加速开发，减少混乱，并帮助在更短的时间内交付更高质量的模型。要了解更多信息，请阅读工作台 网站 ，或访问 Workbench forum 。
