DC Code
DC Code est un module complémentaire important du socle de la
plateforme DataChain®.
DC Code donne la possibilité d’intégrer et de développer des algorithmes d’IA à l’intérieur de la solution Datachain®.
Il permet d’étendre les capacités de DataChain® par le code.
DC Code est un environnement de développement sécurisé, scalable et multi-langage de type notebook.
Gartner® Magic Quadrant™
Ouverture
En complément des autres modules du socle de la plateforme Datachain®, DC Code apporte une garantie d’ouverture et une sérénité dans la capacité à évoluer et s’adapter à tous les types de besoins.
Sécurité
DC Code respecte la politique de sécurité globale de la plateforme. Comme dans l’ensemble de plateforme, les droits et permissions se propagent à l’ensemble des utilisateurs et groupes du module DC Code.
Data science
DC Code permet au Data scientistes et développeurs d’exprimer leurs expertises au sein de la plateforme Datachain®. Multi-environnements et multi- langages, DC Code intègre ML Flow et se connecte aux dépôts Git.
Comment ça marche ?
DC Code permet le développement d’algorithme au sein de la plateforme. DC Code est complémentaire à la démarche NoCode/ LowCode intégré à l’ensemble des autres modules.
DC Code consomme des tables de données disponibles dans le socle central, permet de les modifier puis de les réintégrer via une API simplifiée. Au sein d’un environnement JupyterHub intégré et sécurisé, DC Code offre la capacité de développer des algorithmes en Python, R, Scala,.. de se connecter à des dépôts Git, de gérer et personnaliser ses environnements virtuels.
Les services disponibles permettent depuis DC Code de communiquer et échanger avec l’ensemble des autres modules de la plateforme
Ouverture à la datascience
DC Code permet d’étendre les capacités de la plateforme en utilisant une API de connexion au module DataChain® Core et d’interagir de manière sécurisée avec les tables de données dans les environnements Python, R ou scala. L’exécution des notebooks est automatisable via le module DC Maestro.
Personnalisation des environnements
DC Code permet aux utilisateurs de paramétrer leurs environnements et leurs interpréteurs afin de s’adapter aux besoins des différents projets. Les ressources associées pour chaque utilisateur peuvent être facilement adaptées apportant de la flexibilité et un passage à l’échelle progressif.
La Data science, maillon indispensable
Le data scientist est un maillon crucial dans la chaîne de valeur Data.
Une position stratégique à l’intersection de plusieurs domaines clés.
DataChain®
Multi-environnements Python
Collaboration efficiente avec les acteurs métiers
Cohérence de la politique de droits
Génération de modèles
Environnement scalable
+
DC Code
Conception de modèles d’IA
Ajout d’insights exploitables
innovation et valeurs ajoutées
Expertise
DC Code intègre, au sein de la plateforme Datachain® l’expertise des data scientist dans la chaîne de valeur de traitement de la donnée. DC Code va permettre le développement de nouveaux services très spécialisés (DL, ML, LLM,..)
Innovation
DC Code permet le développement de nouveaux services basés sur les insights tirés des données. L’expression des Data scientist via le module DC Code permet l’application de techniques avancées d’analyse
Complémentarité
DC Code va permettre de concevoir et développer des modèles prédictifs et autres algorithmes. DC Code permet une collaboration plus fluide et efficiente avec les autres acteurs intervenant de la chaîne de valeurs data au sein des autres fonctions de la solution Datachain®.
Le Code au sein de la plateforme NoCode/LowCode
Datachain® une plateforme Data pour tous
Comment s’intègre DC Code à la plateforme ?
DC code offre une intégration native et complète à la plateforme DataChain® permettant ainsi de conserver les politiques de droits dans l’environnement de développement.
Peut-on personnaliser les environnements de DC code ?
Il est courant que des projets Python ou R n’utilisent pas les mêmes librairies voire des interpréteurs déférents. DC code apporte une réponse simple dans la personnalisation des environnements et des interpréteurs permettant une gestion efficace des dépendances de ses projets. Il permet également l’usage de dépôts privés de packages python ou R.
Comment automatiser l’exécution de mes notebooks?
L’exécution des notebooks peut être automatisée via le module DC Maestro comme une
tâche de workflow permettant ainsi d’avoir une gestion complète de l’automatisation de
ses chaînes de traitement.
