... | ... | @@ -6,6 +6,7 @@ Plus simples que les notebooks, plus puissants que Excel (et sans doute plus sim |
|
|
Les notebooks sont très utilisés par les data scientists et data analysts, et un écosystème d'outils est en train de se développer.
|
|
|
A noter parmi eux
|
|
|
- [kedro](https://kedro.readthedocs.io/en/stable/01_introduction/01_introduction.html) est un framework opensource en python pour la "data science", qui s'appuie notamment sur les notebooks ; si OMI est maintenu, la question pourrait se poser de migrer OMI de gitlab CI/CD vers un outil de ce type, dédié data.
|
|
|
- [magniv](https://www.magniv.io/) est un service similaire, peut être plus simple, dont la version de base est open source, s'appuie sur docker et airflow
|
|
|
- [ploomber](https://github.com/ploomber/ploomber),
|
|
|
intéressant également par [son blog](https://ploomber.io/posts/) qui propose des [bonnes pratiques pour travailler proprement avec des notebooks](https://ploomber.io/posts/clean-nbs/).
|
|
|
- il est intéressant de voir aussi que Carto (startup de Barcelone qui vient de lever 60M$) inclut dans sa plateforme [cartoframes](https://github.com/CartoDB/cartoframes), une librairie python d'analyse de données pour notebook, open source mais conçue pour fonctionner avec sa plateforme donc pas fait pour être utilisé en dehors de leur solution sans doute, et qui reprend des fonctionnalités générales d'un SIG ou d'un outil de traitement de données en général : authentification, accès à un catalogue de données, géocodage ou autres fonctionnalités géographiques, et visualisation (production de cartes).
|
... | ... | |