本文是我在利用Deepnote开发Python课程的总结和体会

免责声明：我不隶属于Deepnote或它的任何成员。

Deepnote是一个免费的在线数据科学集成开发环境（online data science notebook），主要关注诸如：实时、谷歌文档、协作类型，等抽象工作概念之间的协作-环境和架构配置。

这家初创公司最近宣布，它在Index Ventures的领导下，筹集了380万美元的种子轮，其中包括Greg Brockman和Naval Ravikant等天使投资者。

看完TC的公告后，我跃跃欲试，于是报名参加了β测试，耐心地等了五天之后，收到了测试邀请函。

登录之后，在平台上浏览了大约一个小时，尝试了一些示例项目，如下图所示。

Deepnote的示例项目

几个月后，我的好朋友朋友罗德里戈·塔德瓦尔德(Rodrigo Tadewald)邀请我共同创建一个Python的在线课程，我主要负责环境设置/编程/性能等主题课程。

我欣然接受了邀请，由于我对金融话题很感兴趣，而且是头一回制作在线课程，于是，我有了尝试Deepnote的想法，并开始利用它来开发所有的Python课程。

免责声明：我主要使用了Brave浏览器（Brave browser），只有当Brave浏览器异常时，才使用其他浏览器来验证 (Brave浏览器运行在Chromium引擎上)。 在项目开发过程中，还交替使用了OSX、Ubuntu和Windows。

经验

为了启动这个项目，我上传了一些以前在洛可学院的课程中已经做过的旧代码，并用它来创建这个项目。 Deepnote提供了从GitHub和GitLab导入存储库的选项，设置起来也不难。

随着我对平台越来越熟悉，我主要利用CTRL/⌘ P来搞定一切。

虽然它可以很好地执行屏幕截图中的命令，但是它的查询功能并不能让我100%满意。 我在文件夹中查找文件时遇到一些问题，这令我感到颇为痛苦，因为这个项目主要是由文件夹和子文件夹组织的。

在“项目”选项卡中，可以看到项目文件、添加新文件、添加数据连接和访问终端。

Deepnote的侧导航为标签和可变资源管理器（以及葡萄牙语课程的迷你剧透：）

Notebook自身很有趣，有一些很酷的功能。 令我高兴的是：很容易便可访问到标记备忘单。

IDE可以自动检测模块，可以轻松地在线安装pip包。 如果使用！pip命令，Deepnote会将其保存在隐藏文件中，并在每次启动环境时安装它；还可以选择创建一个requirements.txt文件，并通过终端与之交互。

还有一个很好的特性是变量资源管理器，它集成到Notebook之中，确实是一个不错的功能。

代码智能功能，如自动完成和go-to定义，与当前的β版本不太一样。

改进：我在项目开发过程中注意到的一件重要的事情是：文件资源管理器的性能有了大幅度提高。 由于我上传了很多文件，我需要将它们组织在文件夹中，几周前，将文件移动到文件夹和子文件夹中是一次非常滞后/棘手的经历。 自课程开发开始以来，大约在2020年4月左右，这种情况有了很大的改善。 真的不错！

在一些课程模块上，我需要处理数据。数据集并非海量，但也不小，如果不得不重新上传到平台中，工作量也不小。 Deepnote有一些集成数据集，如Landsat8和Goodreads书籍，对于我的项目而言，需要使用先前准备好的自定义数据集。

此外，除了从本地上传文件外，还有一种方法可以与AWS S3、Mongo DB和Postgres集成(至少在我的β测试帐户上)。 有很多“灰色”选项，但我错过了Azure存储和GoogleDrive集成，主要因为如果Google Colab用户随意尝试Deepnote，那么肯定会少很多麻烦。

创建与IDE的新连接

在建立了数据连接之后，我对终端做了一些改动，于是有了机器的完全根访问权限，但我不太明白这个项目是否需要它。 我认为我唯一一次运行到终端是：当Deepnote内核进入一个重新启动循环时，我试图通过使用一些bash命令来修复它。

可以利用“环境”选项卡选择机器配置，重新启动它，查看CPU和RAM的使用情况，并检查项目所依赖的包。

免费提供的机器配置如下：

基础版-英特尔哈斯韦尔1V CPU~1.5GB RAM无 GPU专业版-英特尔哈斯韦尔2v CPU~5GB RAM无 GPU

还有一个性能配置，可根据请求提供：

性能版-英特尔哈斯韦尔4v CPU~12GB RAM T4 GPU

最后，还有评论选项卡。 Deepnote上的交流功能非常先进，虽然这门课程主要是一个单独的项目，但有时我会请一个朋友复习它的一些notebook，这一功能没有令我失望。

可以实现代码审查的实时会话，并与注释异步交互。 这给了数据科学家在异步或同步时间表上远程协作的巨大优势。 远远优于我在其他notebook平台的其他协作经验。

结论

Deepnote是数据科学团队首选IDE（集成开发环境），可以与其它一些非常好的、已经建立的替代方案相媲美。

其核心优势是以协作为中心的方法，它脱颖而出，为数据科学家提供了真正意义上的谷歌文档体验。

我相信：目前团队正在修复“有趣的外观”这一功能，诸如如版本控制、团队、仪表板和笔记本的API共享等其它功能的修复工作，也在进展之中。

如果对这个平台感兴趣，我建议从尝试一个基于协作的项目开始，可以是与朋友或工作同事互相协作，这样便可以提取出平台提供的真正价值。

如果你是Python或Notebook环境的初学者，Deepnote是一个简单易行的起点。

对于数据科学团队来说，我鼓励他们在新建项目中使用它，并与Deepnote人员保持密切联系。可以使用集成聊天与团队交谈，这将对于你很有帮助(由于它在β测试中，所以它具有β功能：)

希望你喜欢这篇文章，谢谢你拨冗阅读。