Задачи, которые поможет решить виртуальная машина для data science (DSVM)
Упростить подготовку окружения для обучения ML-моделей
Обучайте и тестируйте ваши модели сразу после создания виртуальной машины с помощью предустановленных инструментов и фреймворков, например, TensorFlow, PyTorch, Scikit-learn.
Получить необходимые ресурсы для обучения ML-моделей
Арендуйте облачные (cloud) серверы для машинного обучения и выбирайте то количество ресурсов, которое нужно для решения ваших задач. Например, серверы с GPU идеально подходят для работы с нейросетями: помогают ускорить процессы классификации изображений, распознавания речи и сегментации клиентов. А еще — разрабатывать сервисы рекомендаций и создавать чат-ботов.
Ускорить обработку и анализ данных
Обрабатывайте данные и выполняйте высокопроизводительные вычисления быстрее благодаря ресурсам сервера и предустановленным библиотекам, например, NumPy, Pandas и Scikit-learn.
Сократить расходы на GPU-ресурсы
Настройте технологию MIG на базе видеокарт А100 и А30 — она позволяет аппаратно разделить GPU на несколько экземпляров. Благодаря этому вы сможете изменять количество и тип GPU-ресурсов в зависимости от потребностей, а также повысите утилизацию вычислительных ресурсов за счет разделения одной GPU между разными задачами. Подробнее о шеринге GPU и технологии MIG читайте в нашем блоге.
Преимущества аренды DSVM в Selectel
11 видеокарт NVIDIA под разные задачи
Арендуйте серверы с GPU NVIDIA Tesla T4, А2, А30, А100, А2000, А5000, GTX 1080 и другими видеокартами. В панели управления можно собрать сервер и выбрать модели под ваши задачи.
До 8 GPU в виртуальной машине
Подключайте к облачному серверу GPU NVIDIA, если вам важна скорость в решении ML-задач. Всего их может быть восемь. GPU идеально подойдут для работы с нейросетями.
Удобное управление серверами с GPU
Создавайте серверы нужной конфигурации, выбирайте модель видеокарты и решайте другие задачи прямо в интерфейсе панели управления или через API.
Соответствие 152-ФЗ
Храните и обрабатывайте ФИО, номера телефонов и другие персональные данные клиентов. У инфраструктуры Selectel есть акт оценки эффективности, который гарантирует, что она соответствует требованиям 152-ФЗ до первого уровня защищенности.
Запуск Jupyter без консоли
Запускайте JupyterLab прямо из браузера — для этого просто введите IP-адрес сервера в адресной строке.
Круглосуточная техподдержка
Обращайтесь к нашим техническим специалистам 24/7, в выходные и праздники. Они ответят на вопросы, связанные с работой инфраструктуры.
Какие фреймворки и библиотеки предустановлены
Стоимость зависит от выбранной конфигурации
Оплачивайте DSVM по факту потребления ресурсов
Модель оплаты — pay-as-you-go. Это значит, что с баланса каждый час списываются средства за предыдущий час использования вычислительных ресурсов, а также за внешний трафик. При этом оплачиваются все ресурсы, используемые ВМ, даже если она выключена. Если сервер заморожен — vCPU, RAM и GPU не тарифицируются.
Создайте DSVM за пару минут в панели управления Selectel
Показываем, как создать облачный сервер с готовым образом Data Science VM (Ubuntu 22.04 LTS 64-bit). Подробная инструкция есть в нашей документации.
- Зайдите в панель управления и создайте облачный сервер
Для этого в панели перейдите в раздел Машинное обучение и искусственный интеллект → AI-маркетплейс и нажмите на кнопку Создать сервер.
- Выберите регион и источник — готовый образ Data Science VM
В образе уже есть драйверы, необходимые для работы с графическими процессорами.
- Соберите конфигурацию сервера и добавьте видеокарту
Для быстрого обучения моделей мы рекомендуем использовать фиксированные конфигурации линейки GPU Line или произвольные конфигурации с GPU.
- Настройте сеть и доступ
Проверьте дополнительные настройки, итоговую стоимость и нажмите Создать сервер.
Оставьте заявку на кастомную ML-инфраструктуру для вашего проекта
Ответим на вопросы и поможем собрать полностью кастомный сервер с особыми настройками сетевого канала и безопасности под ваш запрос.
Компании, которые нам доверяют
Более 36 000 клиентов по всему миру построили свою инфраструктуру с продуктами Selectel, и у каждого своя история.
Присоединяйтесь к нашему ML-сообществу
В сообществе ML- и MLOps-инженеров обсуждаем production ML, статьи, инструменты и технологии, а также опыт участников и лучшие практики. Каждую неделю публикуем дайджесты про обработку и хранение данных, MLOps.
В этом разделе собрали важные материалы, которые помогут вам начать работу с Data Science Virtual Machine.
Selectel ТехноДень
8 октября 2026
Как запускать и масштабировать ИИ в собственном контуре
23 июля 2026
Млечный путь 2026
22 апреля 2026
Pitch the Future. Med AI
4 декабря 2025
MLечный путь — 2025: знания, опыт, комьюнити
23 апреля 2025
GPU в облаке: повышаем производительность и сокращаем стоимость инфраструктуры
23 апреля 2025
Про AI-маркетплейс
- Что такое AI-маркетплейс?
AI-маркетплейс — это сервис для быстрого запуска облачных серверов с готовыми образами, которые включают набор преднастроенных инструментов для машинного обучения и анализа данных.
Подробнее об AI-маркетплейсе в разделе AI-маркетплейс в документации.
- Для кого предназначен AI-маркетплейс?
Сервис полезен тем, кто развертывает ML-инфраструктуру:
- DevOps-инженерам без опыта в ML;
- MLOps- и ML-инженерам для экономии времени;
- техлидам для тестирования инструментов;
- небольшим командам для быстрого старта.
- Серверы с какими образами можно создать в AI-маркетплейсе?
На текущий момент в AI-маркетплейсе доступны два готовых образа:
- Data Science VM (Ubuntu 22.04 LTS 64-bit) — универсальный и мощный образ, разработанный для специалистов в области машинного обучения. Содержит популярные фреймворки и библиотеки: TensorFlow, PyTorch, Keras, XGBoost, OpenCV и другие. Подходит для задач построения, обучения и тестирования ML-моделей, а также для проведения экспериментов с данными и пайплайнами.
- Data Analytics VM (Ubuntu 22.04 LTS 64-bit) — предназначен для специалистов, которые работают с обработкой и визуализацией данных. В образ включены инструменты для построения аналитических отчетов и дашбордов: Jupyter Lab, Apache Superset, Pandas, NumPy и другие библиотеки для работы с табличными данными и графиками. Подходит для задач бизнес-анализа, отчетности, подготовки данных и быстрой визуализации.
Оба образа включают готовую рабочую среду и инструменты для быстрого старта.
Про Data Science Virtual Machine (DSVM)
- Можно ли самостоятельно изменять набор библиотек в образе?
Да, можно. В виртуальной машине отсутствуют ограничения на установку пакетов или пакетных менеджеров.
- Где взять пароль для авторизации в JupyterLab?
Информацию о пароле для авторизации вы можете узнать в подразделе Запустить JupyterLab инструкции Data Science Virtual Machine в документации. Рекомендуем изменить пароль сразу после запуска JupyterLab.
Про стоимость и оплату
- Как рассчитывается стоимость облачного сервера с образом?
Стоимость зависит от выбранной конфигурации облачного сервера:
- количества vCPU;
- размера RAM;
- типа и размера диска;
- типа подсети и количества адресов;
- количества часов использования облачного сервера.
Вы можете рассчитать стоимость облачного сервера в калькуляторе цен.
В облачной платформе используется модель оплаты pay-as-you-go. С баланса каждый час списываются средства за предыдущий час использования ресурсов облачной платформы, а также оплачивается внешний трафик при превышении бесплатного лимита. Подробнее в инструкции Модель оплаты и цены облачного сервера раздела Облачные серверы в документации.
- Нужно ли отдельно оплачивать обучение ML-моделей или использование аналитических инструментов?
Нет, вы оплачиваете только ресурсы облачной платформы, которые используете: CPU, GPU, RAM, диск, публичный IP-адрес. Модель оплаты — pay-as-you-go. Это значит, что с баланса каждый час списываются средства за предыдущий час использования ресурсов облачной платформы, а также оплачивается внешний трафик при превышении бесплатного лимита. Подробнее в инструкции Модель оплаты и цены облачного сервера раздела Облачные серверы в документации.
Решайте ML-задачи с помощью других сервисов Selectel
Обучать ML-модели и исследовать данные
Если вам необходимо исследовать данные для принятия важных решений, проверить архитектуру новой нейронной сети или обучить модель на производительных GPU, используйте специальный образ для виртуальной машины облачной платформы.
Собирать и обрабатывать данные
На платформе можно собирать данные из любых источников (Data Sources): CRM, базы данных, ERP, IoT. А затем с помощью обработки потоков данных (ETL-процессы) приводить их в удобный для дальнейшего анализа вид.
Хранить данные
Созданные копии данных размещаются на независимых друг от друга серверах в разных стойках. Если что-то произойдет с сервером или даже со стойкой, с данными все будет в порядке.
Производить ресурсоемкие вычисления
Под специальные требования можно собирать отдельные вычислительные платформы на базе производительных интерконнектов ROCE и Infiniband с добавлением до восьми производительных GPU.
Выделенные серверы
- Функционируют на оборудовании, недоступном для виртуальных машин.
- Позволяют экономить за счет длительной предсказуемой нагрузки.
Соответствовать требованиям 152-ФЗ, GDPR, AICPA SOC 2®
Если вы планируете размещать чувствительные данные и вам необходимо соответствовать российскому законодательству и международным стандартам, можете разместить инфраструктуру в аттестованном сегменте ЦОД.
Развернуть собственную платформу для ML
Если вы хотите запустить собственную ML-платформу, используйте для этого наш Managed Kubernetes. В нем вы сможете создать нод-группы с поддержкой GPU.
Обучать ML-модели и исследовать данные
Если вам необходимо исследовать данные для принятия важных решений, проверить архитектуру новой нейронной сети или обучить модель на производительных GPU, используйте специальный образ для виртуальной машины облачной платформы.
Собирать и обрабатывать данные
На платформе можно собирать данные из любых источников (Data Sources): CRM, базы данных, ERP, IoT. А затем с помощью обработки потоков данных (ETL-процессы) приводить их в удобный для дальнейшего анализа вид.
Хранить данные
Созданные копии данных размещаются на независимых друг от друга серверах в разных стойках. Если что-то произойдет с сервером или даже со стойкой, с данными все будет в порядке.
Производить ресурсоемкие вычисления
Под специальные требования можно собирать отдельные вычислительные платформы на базе производительных интерконнектов ROCE и Infiniband с добавлением до восьми производительных GPU.
Выделенные серверы
- Функционируют на оборудовании, недоступном для виртуальных машин.
- Позволяют экономить за счет длительной предсказуемой нагрузки.
Соответствовать требованиям 152-ФЗ, GDPR, AICPA SOC 2®
Если вы планируете размещать чувствительные данные и вам необходимо соответствовать российскому законодательству и международным стандартам, можете разместить инфраструктуру в аттестованном сегменте ЦОД.
Развернуть собственную платформу для ML
Если вы хотите запустить собственную ML-платформу, используйте для этого наш Managed Kubernetes. В нем вы сможете создать нод-группы с поддержкой GPU.