JetBrains本周透露，它已经扩展了用于编程语言的集成开发环境(IDE)家族，其中包括一个用于使用Python代码创建人工智能模型的数据科学家的环境项目经理Andrey Cheptsov在接受采访时表示，JetBrains DataSpell在早期访问项目中提供的体验，与大多数数据科学家用来编写和管理代码的传统Jupyter笔记本相比，将得到增强。
Cheptsov补充说，该项目的目标是提高数据科学家的整体生产率，目前企业IT组织正在启动更多的人工智能项目，以在数字业务转型倡议的背景下降低成本或增加收入Cheptsov说，JetBrains DataSpell实现了这一目标，它使数据更容易导航，而不妨碍编写代码。
他还指出，它还允许数据科学家在命令模式和编辑模式之间切换，以便更容易地操作单元格及其内容Cheptsov说，JetBrains的新IDE并没有取代Jupyter笔记本，只是增强了Jupyter笔记本JetBrains DataSpell与运行在本地机器上的Jupyter笔记本，以及远程的Jupyter、JupyterHub和JupyterLab服务器兼容，他补充道。
除了Python, JetBrains DataSpell还包括对R编程语言的基本支持，并计划支持其他数据科学语言尽管许多组织对人工智能充满热情，但一些组织越来越关心如何提高数据科学团队的生产率许多数据科学团队只能在一年内成功地在生产环境中部署少量的人工智能模型。
其原因远远超出了数据科学家所使用的工具，但在复杂数据集上花费的时间越少，就应该有更多的时间用于多个项目这一点至关重要，因为一些大型企业已经在尝试推出和维护数百个需要不断更新的人工智能模型随着各种规模的组织都在努力吸引和留住数据科学家人才，工具提供的经验可能会与薪酬等因素一起考虑。
今天的许多数据科学家不像一般的应用程序开发人员那样喜欢编写代码无论用什么工具来编写代码，随着数据科学家发现他们不仅要彼此合作，还要与被要求将人工智能模型嵌入其应用程序的开发人员合作，对更复杂的代码编写方法的需求正变得越来越明显。
大多数开发人员通常在IDE的构造中工作，所以JetBrains DataSpell创建了一个他们容易理解的环境，Cheptsov说当然，在引入任何需要行为改变的工具时，惯性是最大的挑战，这是一个复杂的问题，因为每个数据科学团队倾向于选择自己的工具和定义自己的过程。
企业很快就会发现，为整个数据科学家团队定义一套最佳实践，以提高生产率，而不要求这些团队的每个成员以完全相同的方式使用相同的工具
发表评论:
◎欢迎参与讨论，请在这里发表您的看法、交流您的观点。