Jupyter-Notebook-Server
Betreiben Sie JupyterLab auf einer festen IP, die nicht Ihr Laptop ist. Klappe zu, Training starten, morgen weitermachen. Arbeiten Sie im Team, indem Sie denselben SSH-Endpunkt teilen.
Anaconda VPS Hosting
Anaconda VPS,
conda in Sekunden einsatzbereit.
Python Data-Science-VPS auf AMD EPYC + NVMe. Jupyter, pandas und scikit-learn direkt verfügbar.
Unabhängige Cloud, seit 2008. Ab 2,48 $/Monat · Root-SSH in 60 Sekunden.
Ab $2.48/mo · 50% Rabatt · Keine Kreditkarte erforderlich
~ ssh root@conda-ams-001
verbunden
root@conda-ams-001:~# conda --version
conda 24.5.0
root@conda-ams-001:~# conda create -n ml python=3.11 pandas scikit-learn -y
Umgebung wird aufgelöst: fertig
Pakete werden heruntergeladen und entpackt... abgeschlossen
root@conda-ams-001:~# conda activate ml && jupyter lab --ip=0.0.0.0
[I] Jupyter Server wird ausgeführt unter https://0.0.0.0:8888
(ml) root@conda-ams-001:~# _
Anaconda VPS auf einen Blick
Cloudzy läuft Anaconda und Miniconda bei Linux VPS Tarifen 12 Regionen, ab $2.48 per month. Die Pläne reichen von 512 MB to 64 GB DDR5 on NVMe Speicher mit 40 Gbps Uplinks. Starte JupyterLab, pandas, scikit-learn, NumPy und CPU PyTorch in unter fünf Minuten – die Bereitstellung dauert 60 Sekunden. Cloudzy ist seit 2008unabhängig tätig und betreut 122.000+ Entwickler, und wird bewertet von 4.6 / 5 by 728+ reviewers auf Trustpilot.
- Einstiegspreis
- $2.48 / month
- Stapel
- Anaconda · Miniconda
- Bereitstellung
- 60 Sekunden
- Regionen
- 12 weltweit
- Betriebszeit-SLA
- 99.95%
- Geld-zurück
- 14 Tage
Warum Data Scientists Cloudzy wählen
Ein Arbeitsbereich, der bleibt oben.
Vier Gründe, warum Ihre Notebooks auf einen echten Server gehören.
AMD EPYC + NVMe
Neuste Generation AMD EPYC, ausschließlich NVMe-Speicher und DDR5-Arbeitsspeicher. pandas liest eine 5-GB-CSV-Datei in Sekunden, nicht Minuten.
14 Tage Geld-zurück
Teste Anaconda auf Cloudzy mit einem echten Notebook. Kündige innerhalb von 14 Tagen, wenn es nicht passt. Keine Einrichtungsgebühren.
99,95 % Verfügbarkeit
Eine lange pandas-Pipeline über Nacht laufen lassen und morgens zum laufenden Notebook zurückkehren. Die letzten 30 Tage SLA werden auf status.cloudzy.com nachverfolgt.
Techniker im Chat
Conda-Umgebungskonflikt um Mitternacht? Wir antworten innerhalb von Minuten – echte Ingenieure, keine Support-Roboter.
Wähle deinen Stack
Der Python Data-Stack.
Vorkonfiguriert, ein Klick.
Anaconda für die vollständige wissenschaftliche Python-Distribution (~3 GB), Miniconda für eine schlanke Installation. JupyterLab läuft auf Port 8888, pandas liest Parquet-Dateien von Ihrem NVMe in Millisekunden, scikit-learn trainiert auf EPYC-Kernen. CUDA-Images sind in den GPU-Plänen enthalten.
conda, pip, mamba, poetry – Ihre Wahl
Anaconda
Vollständige Distribution
Miniconda
Minimaler Installer
JupyterLab
Notebook-IDE
pandas
DataFrames
NumPy
Arrays · lineare Algebra
scikit-learn
ML-Modelle
PyTorch CPU
Deep Learning
TensorFlow
CPU-Inferenz
Anwendungsfälle
Was andere damit betreiben
Anaconda VPS
Pandas-Datentechnik
Verarbeiten Sie CSVs, Parquet-Dateien und SQL-Exporte, die nicht in den RAM Ihres Laptops passen. Hängen Sie ein 1-TB-NVMe-Volume ein, geben Sie 16 GB RAM frei und fertig vor dem Mittagessen.
scikit-learn-Training
Random Forests, Gradient Boosting, XGBoost auf echten Datensätzen. Die Kern-für-Kern-Geschwindigkeit von EPYC übertrifft Laptop-CPUs – und ein 6-Stunden-Sweep läuft problemlos über Nacht.
Quant-Research
Backtests, Faktoranalysen, Monte-Carlo-Simulationen auf mehrjährigen Tick-Daten. Condas gepinntes Environment sorgt dafür, dass Notebooks im Team reproduzierbar bleiben.
ETL und Pipelines
Ein conda-verwaltetes Python-Skript per cron oder systemd planen, eine API ansprechen, transformieren und nach S3 oder Postgres schreiben. Sauberer als das Ganze auf einem Laptop laufen zu lassen.
Lehre und Tutorials
Identische Anaconda-Umgebungen für einen Workshop starten. Einmal `conda env export`, dann `conda env create` für jeden Teilnehmer. Kein "funktioniert nur bei mir".
60s
Bereitstellung
40 Gbps
Aufwärtsverbindung
Nur NVMe
Speicher
12
Regionen
99.95%
Betriebszeit-SLA
14 Tage
Geld-zurück
Globales Netzwerk
12 Regionen. Vier Kontinente.
Starte dein Notebook nah an deinen Daten.
Trainiere dort, wo deine Daten liegen. EU, US, ME, Asien - wähle die Region, aus der dein S3-Bucket oder Postgres liest.
us-utah-1us-dal-1us-lax-1us-nyc-1us-mia-1eu-ams-1eu-lon-1eu-fra-1eu-zrh-1me-dxb-1ap-sgp-1ap-tyo-1
Preise
Zahle nur, was du nutzt. Das war's.
Stündlich, monatlich oder jährlich. Keine Egress-Gebühren. Keine Vertragsbindung. Aktuell 50 % Rabatt alle Tarife.
1 GB DDR5
Schnelle Jupyter-Notebooks · Tutorials
$3.48 /Monat
$6.95/mo −50 %
Jetzt deployen
14 Tage Geld-zurück
- 1 vCPU @ EPYC
- 25 GB NVMe
- 1 TB · 40 Gbps
- Conda / Miniconda vorinstalliert
- Root SSH · KVM
2 GB DDR5
Pandas / NumPy · Kleine Datensätze
$7.475 /Monat
$14.95/mo −50 %
Jetzt deployen
14 Tage Geld-zurück
- 1 vCPU @ EPYC
- 60 GB NVMe
- 3 TB · 40 Gbps
- Conda / Miniconda vorinstalliert
- Root SSH · KVM
Am beliebtesten
4 GB DDR5
scikit-learn · Echte Datensätze
$14.47 /Monat
$28.95/mo −50 %
Jetzt deployen
14 Tage Geld-zurück
- 2 vCPU @ EPYC
- 120 GB NVMe
- 5 TB · 40 Gbps
- Conda / Miniconda vorinstalliert
- Root SSH · KVM
Am beliebtesten
8 GB DDR5
DL auf CPU · Rechenintensive Jobs
$26.475 /Monat
$52.95/mo −50 %
Jetzt deployen
14 Tage Geld-zurück
- 4 vCPU @ EPYC
- 240 GB NVMe
- 7 TB · 40 Gbps
- Conda / Miniconda vorinstalliert
- Root SSH · KVM
Häufig gestellte Fragen. Anaconda VPS
Häufige Fragen, klare Antworten.
Was ist ein Anaconda VPS?
Ein Anaconda VPS ist ein Linux-Cloud-Server mit der Anaconda Python-Distribution vorinstalliert (oder per One-Click bereit). Du bekommst conda, Python 3, NumPy, pandas, scikit-learn, JupyterLab und über 7.000 Data-Science-Pakete - alles isoliert von deinem Laptop, über SSH von überall erreichbar und in 60 Sekunden einsatzbereit.
Anaconda oder Miniconda - was soll ich installieren?
Nimm Miniconda, wenn du einen minimalen Footprint willst und nur die Pakete brauchst, die du tatsächlich nutzt. Nimm Anaconda Distribution, wenn du den vollständigen wissenschaftlichen Python-Stack (~3 GB) sofort einsatzbereit haben möchtest. Beide sind als One-Click-Images für Ubuntu 22.04 / 24.04 LTS verfügbar, und du kannst später mit `conda install anaconda` oder umgekehrt wechseln.
Kann ich JupyterLab auf einem Cloudzy VPS betreiben?
Ja. Starte JupyterLab mit `jupyter lab --ip=0.0.0.0 --port=8888`, öffne den Port in der Panel-Firewall und rufe `https://your-ip:8888` im Browser auf. Für ein privates Setup tunnelst du einfach über SSH (`ssh -L 8888:localhost:8888`) - keine Firewall-Regeln nötig, der Traffic ist verschlüsselt.
Wie viel RAM brauche ich für Data-Science-Arbeit?
1 GB is enough for tutorials and small CSVs. 4 GB handles real pandas pipelines on datasets up to a few million rows. 8–16 GB is the sweet spot for scikit-learn on 50M+ rows or PyTorch CPU inference. Anything bigger or you need a GPU, see /deep-learning-gpu/.
Werden GPU-Workloads unterstützt?
Anaconda VPS-Pläne hier sind reine CPU-Pläne - ausgelegt für pandas, scikit-learn und CPU PyTorch/TensorFlow. Für CUDA, RAPIDS oder groß angelegtes Modelltraining, siehe /gpu-vps/ und /deep-learning-gpu/. Anaconda lässt sich auch auf diesen Plänen problemlos installieren.
Wie schnell ist die Bereitstellung?
Sobald die Zahlung bestätigt ist, ist dein VPS in 60 Sekunden live. Anaconda oder Miniconda ist in weiteren 2-3 Minuten über das One-Click-Image installiert - oder in unter 60 Sekunden, wenn du Miniconda über den curl-Installer einrichtest. `conda --version` funktioniert in weniger als fünf Minuten.
Kann ich Umgebungen mit meinem Team teilen?
Ja. `conda env export > environment.yml` erstellt eine portable Datei, die Teammitglieder mit `conda env create -f environment.yml` reproduzieren können. Der VPS ist über SSH erreichbar, sodass mehrere Nutzer auf derselben Maschine zusammenarbeiten oder jeweils eine eigene ab 2,48 $/Monat deployen können.
Habe ich Root-Zugriff?
Ja, jeder Cloudzy VPS kommt mit Root-SSH und voller Kernel-Kontrolle. Pakete per `apt` installieren, systemd-Dienste für lange Trainings-Jobs einrichten, externe NVMe-Volumes einbinden oder Docker neben conda betreiben. Keine Sandbox-Einschränkungen.
Kann ich upgraden, wenn mein Datensatz wächst?
Ja. RAM, vCPU und Storage-Erweiterungen sind direkt im Panel möglich. Die meisten Upgrades dauern unter 60 Sekunden und laufen ohne Downtime durch. Fang mit 1 GB zum Lernen an, wechsel auf 16 GB, wenn deine Notebooks es brauchen. Stündliche Abrechnung bedeutet: kein Abo-Zwang.
Gibt es eine Geld-zurück-Garantie?
Ja, 14 Tage ab Kauf, volle Rückerstattung, keine Fragen. Teste Anaconda auf Cloudzy mit einem echten Notebook-Workload und entscheide, ob Latenz, Performance und Support mit dem mithalten, was du bisher genutzt hast.
Bereit, wenn du es bist.
Conda in 60 Sekunden einsatzbereit.
Plan wählen, Region wählen, klicken. JupyterLab ist offen, bevor dein Kaffee fertig ist.
Keine Kreditkarte erforderlich · 14 Tage Geld-zurück-Garantie · Jederzeit kündbar