Analyse de données sur des données distantes
Quand votre jeu de données fait 50 GB et que votre laptop n'a que 16 GB RAM. Démarrez une VPS de 32 GB, transférez les données via scp, travaillez depuis JupyterLab. Arrêtez quand vous avez terminé.
Hébergement VPS Jupyter Notebook
Jupyter, dans le cloud.
Exécutez vos notebooks depuis n'importe quel navigateur.
JupyterLab sur AMD EPYC et NVMe pur, dans n'importe quelle région.
Indépendant depuis 2008. Prêt pour SSH, conda, pip et GPU, avec vos propres kernels.
Depuis $7.48/mo · 50 % de réduction · Sans carte bancaire
~ ssh root@vps-fra-001
connecté
root@vps-fra-001:~# conda install -c conda-forge jupyterlab
Solving environment ... done.
Installed 245 packages successfully.
root@vps-fra-001:~# jupyter lab --no-browser --port=8888 --ip=0.0.0.0
Jupyter Server 2.x is running at:
http://0.0.0.0:8888/lab?token=********
root@vps-fra-001:~# systemctl enable jupyterlab
Created symlink /etc/systemd/system/jupyterlab.service.
root@vps-fra-001:~# _
Le VPS Jupyter en un coup d'œil
Cloudzy hébergements VPS Jupyter Notebook instances à partir de 12 régions partout dans le monde, à partir de $7.48 / month. Chaque VPS fonctionne sur AMD EPYC avec mémoire DDR5, stockage NVMe, et un 40 Gbps de liaison montante. Faites tourner JupyterLab ou Jupyter classique derrière Nginx avec TLS gratuit. Formules GPU disponibles pour l'entraînement ML. Cloudzy est indépendant depuis 2008, et sert 122 000+ développeurs, et est noté 4.6/5 by 679+ avis sur Trustpilot.
- Prix de départ
- $7.48 / month
- Provisionnement
- 60 secondes
- Régions
- 12 dans le monde
- Temps de disponibilité SLA
- 99.95%
- Remboursement garanti
- 14 jours
- Fondé
- 2008
Pourquoi les développeurs choisissent Cloudzy
Un hébergeur Jupyter qui ne vous coupe pas en pleine exécution.
NVMe + DDR5
Stockage NVMe pur et mémoire DDR5 sur AMD EPYC. Les workloads restent rapides sous charge.
Accès SSH root
Contrôle total de votre stack. Installez des paquets, ajustez les configs, lancez des cron jobs, déployez via git. Aucune restriction.
12 régions
Déployez au plus près de vos utilisateurs. Latence médiane P50 inférieure à 10 ms en NA/EU.
Support humain, disponible
Échangez avec des ingénieurs qui connaissent votre stack, pas des lecteurs de scripts. Résolution médiane en moins d'une heure.
Ce que vous ferez tourner
Toutes les dépendances Jupyter.
conda + pip prêts à l'emploi.
Python moderne via conda/miniconda, JupyterLab, Notebook classique, plus Nginx pour la terminaison TLS. Ajoutez des images CUDA sur les plans GPU.
Images marketplace en un clic sur chaque forfait
JupyterLab
Dernière version stable
Carnet
Interface classique
Python 3.12
Via conda ou apt
conda
Gestionnaire d'environnements et de paquets
pip
Installateur PyPI standard
JupyterHub
Mode multi-utilisateurs
CUDA
Accélération GPU (plans GPU)
Nginx
Proxy inverse TLS
Cas d'usage
Des charges de travail Jupyter réelles
qui nécessitent un VPS à la hauteur.
Entraînement de modèles ML
Les plans GPU avec CUDA pré-installé vous donnent la puissance de A100 ou RTX 5090 pour l'entraînement. JupyterLab + PyTorch dans votre navigateur, sans les limites de Colab.
Calculs de longue durée
Certaines expériences tournent pendant des jours. Lancez-les sur une VPS Cloudzy et passez à autre chose : pas de mise en veille du laptop, pas de kernel planté, pas de limite de durée de session.
Collaboration en équipe via JupyterHub
JupyterHub sur le plan 12 GB permet à votre équipe de partager des kernels et des données sans s'envoyer des notebooks par e-mail. Chaque utilisateur dispose de répertoires de travail isolés.
Formation / ateliers
Démarrez des environnements Jupyter identiques pour un atelier. La facturation à l'heure signifie que vous ne payez que les heures de session effectives.
Combo API + notebook
Développez un modèle dans Jupyter, exposez la version entraînée comme endpoint Flask/FastAPI sur le même VPS. Une machine, deux endpoints.
60s
Provisionnement
40 Gbps
Liaison montante
NVMe uniquement
Stockage
12
Régions
99.95%
Temps de disponibilité SLA
14 jours
Remboursement garanti
Réseau mondial
12 régions. Quatre continents.
À un clic.
Déployez votre VPS Jupyter au plus près de vos utilisateurs.
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
Tarifs
Payez ce que vous consommez. C'est tout.
Facturation à l'heure, au mois ou à l'année. Actuellement 50 % de réduction tous les plans.
1 GB DDR5
Léger · Usage personnel
$3.48 /mois
$6.95/mo −50 %
Déployer maintenant
Remboursement sous 14 jours
- 1 vCPU @ EPYC
- 25 GB NVMe
- 1 TB · 40 Gbps
- IPv4 + IPv6 dédiés
- Accès SSH · KVM
2 GB DDR5
Production · Petite équipe
$7.475 /mois
$14.95/mo −50 %
Déployer maintenant
Remboursement sous 14 jours
- 1 vCPU @ EPYC
- 60 GB NVMe
- 3 TB · 40 Gbps
- IPv4 + IPv6 dédiés
- Accès SSH · KVM
Le plus populaire
4 GB DDR5
Production · Multi-site
$14.47 /mois
$28.95/mo −50 %
Déployer maintenant
Remboursement sous 14 jours
- 2 vCPU @ EPYC
- 120 GB NVMe
- 5 TB · 40 Gbps
- IPv4 + IPv6 dédiés
- Accès SSH · KVM
8 GB DDR5
Charges de travail intensives
$26.475 /mois
$52.95/mo −50 %
Déployer maintenant
Remboursement sous 14 jours
- 4 vCPU @ EPYC
- 240 GB NVMe
- 7 TB · 40 Gbps
- IPv4 + IPv6 dédiés
- Accès SSH · KVM
FAQ. VPS Jupyter
Questions fréquentes, réponses directes.
Qu'est-ce qu'un VPS Jupyter Notebook ?
Un VPS Jupyter Notebook est un serveur privé virtuel sur lequel vous exécutez JupyterLab ou le Jupyter Notebook classique via une connexion URL sécurisée par TLS. Accessible depuis n'importe quel navigateur, il vous laisse un accès root complet pour la gestion des kernels, et vous pouvez le supprimer dès la fin du projet.
Comment installer Jupyter ?
Installez miniconda, puis exécutez `conda install -c conda-forge jupyterlab`. Configurez un reverse proxy Nginx avec Certbot TLS, définissez un mot de passe pour le notebook, et pointez votre DNS vers le VPS. Comptez environ 20 minutes au total.
Puis-je exécuter JupyterHub pour une équipe ?
Oui. JupyterHub s'installe sans problème sur les plans 8-12 GB. Chaque utilisateur dispose de son propre serveur Jupyter. Associez-le à PAM ou OAuth pour l'authentification. La plupart des équipes utilisent l'installateur standard tljh (The Littlest JupyterHub).
Et l'accélération GPU pour le ML ?
Choisissez un plan Premium GPU plutôt qu'un CPU classique. Les plans Cloudzy GPU incluent Nvidia A100, RTX 5090 et RTX 4090 avec CUDA préinstallé. Exécutez PyTorch, TensorFlow ou JAX directement dans vos notebooks.
Est-il possible d'accéder aux notebooks sans TLS ?
Oui - tunnel SSH : `ssh -L 8888:localhost:8888 root@your-vps`, puis ouvrez localhost:8888 dans votre navigateur. Vous évitez ainsi toute la configuration Nginx + TLS si vous n'avez besoin que d'un accès solo.
Mes notebooks survivent-ils à un redémarrage ?
Oui. Les notebooks sont stockés sur disque - un redémarrage ne les efface pas. Lancez JupyterLab comme service systemd pour qu'il démarre automatiquement. Créez un snapshot du VPS pour plus de sécurité.
Combien de RAM choisir ?
Cela dépend de la taille de vos données. 2 GB pour les tutoriels, 4-8 GB pour un usage courant avec pandas et scikit-learn, 16-32 GB pour des dataframes volumineux ou du deep learning sur CPU. Plans GPU pour l'entraînement réel.
Y a-t-il une garantie de remboursement ?
Oui - 14 jours, remboursement intégral, sans condition. Résiliez depuis le panneau de contrôle à tout moment durant les deux premières semaines.
Prêt quand vous l'êtes.
Un VPS Jupyter en 60 secondes.
Choisissez une région, cliquez sur déployer. Vous serez opérationnel avant la pause déjeuner.
Sans carte bancaire · Remboursement garanti sous 14 jours · Résiliation à tout moment