Какие задачи можно решать с помощью DAVM
Разработка и обучение ML-моделей
Если вам не хватает мощностей собственного компьютера для разработки модели машинного обучения и при этом не нужны схемы с несколькими GPU-нодами, пользуйтесь Data Analytics Virtual Machine. На виртуальной машине уже предустановлены инструменты для обучения: JupyterLab, ML-библиотеки и драйверы для работы GPU.
Тестирование открытых больших языковых моделей (LLM)
На виртуальной машине предустановлены библиотеки от Hugging Face. Не тратьте время на подготовку окружения JupyterLab.
Создание небольшой платформы обработки данных
Data Analytics Virtual Machine подходит для ситуаций, когда ваши проекты уже выросли из разрозненных инструментов для аналитики, и вы хотели бы собрать небольшую платформу обработки данных. В этом случае вы получите виртуальную машину и набор инструментов для построения потоков обработки данных и аналитики.
BI-аналитика
В DAVM от Selectel предустановлен Apache Superset для анализа и визуализации данных. Создавайте интерактивные дашборды и отчеты на основе готовых или кастомных SQL-запросов.

Преимущества аренды DAVM в Selectel
Безопасность данных
Дата-центры Selectel соответствуют международным стандартам Tier III и требованиям 152-ФЗ до первого уровня защищенности.
Преднастроенный набор инструментов
Вам не придется тратить время на установку драйверов для видеокарты, Python и библиотек для работы с ML. Мы сами позаботимся об этом. Мы уже позаботились об этом.
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.
Отсутствие vendor lock-in
Это возможно за счет использования Open Source инструментов: Jupyter Lab, Prefect, Apache Superset.

Как устроена виртуальная машина для дата-аналитики
Образ DAVM разворачивается за несколько минут из панели управления. На единой стартовой странице находятся все инструменты для быстрого старта:
- Jupyter Lab — единая среда разработки для работы с Jupyter notebooks, программным кодом и данными;
- Prefect — ПО для управления задачами по сбору, мониторингу и пакетной обработке данных;
- Apache Superset — платформа для визуализации, создания отчетов и дашбордов.
Также мы настроили авторизацию через Keycloak, установили CUDA Toolkit для работы с GPU и привязали домен, с помощью которого вы сможете подключаться к инструментам через интернет.
Сэкономьте время для анализа данных
- Единая панель доступа
Все необходимые инструменты — на одной странице
- Полезные гайды
На стартовой странице DAVM доступны встроенные Jupyter-ноутбуки с примерами кода и гайдами


Стоимость зависит от выбранной конфигурации
Базовая конфигурация
| vCPU | 2 ядра |
| RAM | 4 ГБ |
| SSD | 100 ГБ |
Другие конфигурации
Настраиваются и рассчитываются вами. Вы выбираете любую конфигурацию облачного сервера с RAM от 4 ГБ и объемом загрузочного диска от 100 ГБ. Если ваша задача — обучение ML-моделей, рекомендуем использовать конфигурации линейки GPU Line.
Оплачивайте DAVM 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.
Запустите DAVM в несколько кликов в панели управления
Показываем, как создать облачный сервер с готовым образом Data Analytics VM (Ubuntu 22.04 LTS 64-bit). Подробная инструкция есть в нашей документации.
- Зайдите в панель управления и создайте облачный сервер
Для этого перейдите в раздел Машинное обучение и искусственный интеллект → AI-маркетплейс и нажмите на кнопку Создать сервер.
- Выберите регион и источник — готовый образ Data Analytics VM
Серверы с DAVM доступны в пулах ru-7 и ru-9. В самом 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. После того как сервер будет активен запустите DAVM.




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.
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 Analytics Virtual Machine.
Про AI-маркетплейс
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 Analytics Virtual Machine (DAVM)
- Зачем мне подключать Data Analytics Virtual Machine, если я могу создать виртуальную машину и самостоятельно установить на нее пакеты для ML и другие инструменты?
Разворачивая Data Analytics Virtual Machine (DAVM), вы сэкономите время на установку и тестирование работоспособности пакетов для ML. При этом вы платите только за ресурсы облака по модели pay-as-you-go.
На DAVM уже предустановлены библиотеки для работы с ML (TensorFlow, PyTorch и ряд других) и Jupyter Lab, Prefect и Superset. Также мы настроили авторизацию через Keycloak и привязали домен, с помощью которого пользователи смогут подключаться к инструментам через интернет.
- Какие версии аналитических инструментов предустановлены в Data Analytics Virtual Machine?
Версии основных аналитических инструментов:
— Jupyter Lab 3.6.3,
— Prefect 2.10.16,
— Apache Superset 3.0.0.
Полный перечень предустановленных инструментов указан в подразделе Инструменты инструкции Data Analytics Virtual Machine в документации.
- Как запустить Jupyter Notebook, Prefect, Apache Superset?
Сначала запустите Data Analytics Virtual Machine (DAVM). Подробнее о запуске DAVM в подразделе Запустить DAVM инструкции Data Analytics Virtual Machine в документации. Когда запустите DAVM, выберите иконку необходимого инструмента. После этого к нему можно будет подключиться по автоматически сгенерированной ссылке.
- В каких пулах доступен Data Analytics Virtual Machine?
Вы можете создать Data Analytics Virtual Machine в пулах ru-2, ru-7 и ru-9.
- Можно ли хранить собственные данные на виртуальной машине?
На виртуальной машине развернута локальная версия СУБД PostgreSQL без резервирования, которая подключена к Apache Superset. Этого может хватить для небольших объемов данных.
Вы можете дополнительно подключить облачные базы данных и использовать их для более надежного хранения. Подробнее об облачных базах данных в разделе Облачные базы данных в документации.
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.
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.
Облачные серверы с GPU
- Облачные и физические серверы с графическими картами для 3D-моделирования, рендеринга, машинного обучения и сложной аналитики.
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.
