Jupyter Notebook Online

Jauh sebelumnya mungkin kita telah menginstall Jupyter di komputer, sekarang kita punya kebutuhan untuk membuat notebook kita online. Misal kita ingin mendemokan hasil pekerjaan kita namun tidak membawa komputer, atau kita mengadakan pelatihan dan peserta tidak memiliki Jupyter di laptop.

Gratis! adalah mantra terbaik, berikut adalah layanan Jupyter Online yang bisa kita gunakan tanpa perlu menyetorkan nomor kartu kredit/debit.

Tiga teratas tidak butuh login, Kaggle butuh login untuk upload dataset sendiri, tiga terbawah perlu login

Cocalc

Tanpa perlu login, sejauh pengalaman penulis, Cocalc merupakan pilihan terbaik untuk sesiapa yang hanya perlu mencoba “sesuatu” di notebook. Mesin yang ditawarkan juga cukup memadai.

Pilihan kernels yang tersedia cukup banyak mulai dari Bash, C++, Haskell, Javascript dan tentu yang populer di kalangan pengguna data seperti Julia, Octave, Python dan R.

Jika memiliki dataset sendiri, kita juga bisa mengupload ke project yang dibuat. Namun saat mencoba mengupload data sebesar 340MB, penulis harus menunggu cukup lama (sekitar 1 jam).

Notebooks.ai

Per tulisan ini diubah (April 2020), layanan ini relatif baru, masih banyak deadlink seperti pada halaman plans and pricing. Namun layanan ini cukup menjanjikan karena seperti Cocalc, tidak perlu login untuk mencoba Jupyter Labnya.

Baru tersedia kernel Python 3 dan jika kita melakukan login akan terlihat RAM yang disediakan adalah 1GB dan 1GB untuk data. Tersedia fitur affiliate link (misalnya ini adalah milik penulis) yang memungkinkan kita mendapat tambahan RAM sebanyak 512MB sampai maksimal 3GB.

Keuntungannya adalah tampilan yang serupa dengan Jupyter Lab, juga shortcut yang digunakan seperti copy dan paste cell sama persis saat menggunakan Jupyter Lab di komputer lokal.

Kekurangannya ada pada extension manager yang belum dapat digunakan. Selain itu saat penulis menggunakan data 340 MB, kernel sering me-restart sendiri sehingga kode harus di jalankan (run) dari awal.

Sayangnya per 1 Oktober 2020 layanan ini tidak dilanjutkan lagi.

Binder

Mensyaratkan kita membuat sebuah repository github dan menyediakan beberapa setup untuk lingkungan yang akan digunakan. Ini merupakan rintangan terbesar untuk pengguna yang hanya butuh sebuah notebook yang dapat langsung digunakan.

Cocok untuk digunakan menunjukkan “hasil pekerjaan” kita. Juga bagus digunakan saat pelatihan, jika kita ingin peserta punya “kerangka awal” yang dapat langsung digunakan, tanpa harus mengetik apapun.

Saat pertama kali dibuka, butuh waktu cukup lama karena Binder menginstall packages yang dibutuhkan.

Kita dapat menjalankan binder apapun selama repo github itu di-set publik. Untuk dataset yang ada dalam repo dapat langsung digunakan, sedang jika ingin menambahkan, kita dapat mengunggahnya. Binder tidak akan melakukan perubahan pada repo yang digunakan karenanya tidak perlu takut melakukan apapun di sana.

Kaggle

Siapa tidak kenal Kaggle? Selain menyediakan kompetisi (dan dataset tentunya), Kaggle juga menyediakan mesin yang dapat kita gunakan.

Kita dapat menggunakan data yang ada di Kaggle. Jika ingin menambahkan dataset kita sendiri, kita perlu login, tapi punya akun Kaggle tidak pernah sia-sia, kok.

Azure Notebooks

Nama lengkapnya adalah Microsoft Azure Notebooks.

Jika tanpa login kita hanya dapat melihat notebook yang sudah disiapkan oleh Microsoft.

Untuk dapat menggunakan Microsoft Azure kita perlu login menggunakan akun Microsoft (buat saja jika belum ada) atau Github, ya, Github sudah dibeli Microsoft.

Azure Notebooks punya beberapa kernel Python, R dan F#, yang terakhir ini belum terlalu populer di kalangan pengguna data hehehe.

Dengan kekuatan 4GB RAM dan dilengkapi 1GB disk, Azure Notebooks cukup menjanjikan.

Salah satu kelemahan yang sudah penulis temukan adalah batasan data yang dapat diupload hanya 10MB/berkas.

Collab

Google Collab adalah pilihan paling populer (penulis tidak punya data pasti soal ini, hanya common sense saja).

Pencarian di internet belum menghasilkan jawaban mengenai besaran RAM dan Disk yang disupport, tapi ada trik untuk meningkatkannya di sini (penulis belum mencoba).

Kernel yang disupport pun baru Python 2.7, 3.6 saja dan R per 20 Oktober 2020.

Collab bagus bila kita diproyeksi punya kebutuhan komputasi tinggi, kita bisa menyewa mesin milik Google yang lebih punya tenaga. Dengan terbiasa di Collab kita tidak perlu memikirkan aspek lain, misal apakah kode kita didukung oleh kernel yang akan kita gunakan.

Bagus pula untuk kepentingan pembelajaran, hampir semua orang yang kita temui memiliki akun Google sehingga dapat membuka Collab. Membuat notebook baru juga relatif cepat.

Kekurangan yang penulis temukan adalah tampilan yang tidak sama dengan Jupyter. Selain itu shortcut pada Jupyter tidak dapat digunakan, seperti b untuk menambah cell baru, copy/paste cell dan lainnya. Perlu waktu untuk menyesuaikan diri, jika telah terbiasa dengan shortcut di Jupyter.

Datalore

Ini adalah produk besutan Jetbrains, si pembuat IDE.

Kernel yang disediakan cukup membuat ciut nyali karena terdapat tanda US $.

Namun billing documentation-nya bilang dengan paket community kita bisa mendapatkan RAM 4GB dan 10GB uploads, maksimal masa kerja 120 jam/bulan.

Layanan ini relatif baru dan cukup menjanjikan namun pilihan kernel dan limitasi (durasi penggunaan, pilihan mesin) perlu diperhatikan.

Jika pembaca menemukan kesalahan, kekuranglengkapan informasi mengenai layanan di atas, silahkan beri komentar.

Leave a Reply

Your email address will not be published.