JupyterHub bietet den EO-Lab-Nutzerinnen und Nutzern die Leistungsfähigkeit von Notebooks und ermöglicht den Zugriff auf Rechenumgebungen und Ressourcen, ohne diese mit Installations- und Wartungsaufgaben zu belasten. Mit der Intension die Hürden für die Nutzung des JupyterHub zu senken, hat EO-Lab zusätzliche Ressourcen für das JupyterLab zur Verfügung gestellt. GPU-Unterstützung für Ihre Jupyter-Notebooks wird ebenfalls angeboten (zur Freischaltung EO-Lab Support kontaktieren).
Außerdem wurden „Code Beispiele” und „Best Practices“ hinzugefügt, die Ihnen den Einstieg erleichtern soll:
- Catalogue_ODATA_basics: in diesem Beispiel wird gezeigt, wie man mit dem Datenkatalog interagiert, EO Datenprodukte herunterladen und prozessieren kann anhand eines Sentinel-2 Bildes.
- CLC_Landdienst: ein Skript welches demonstriert, wie man sich mit BOTO3 Zugang vom JupyterLab auf Copernicus Landdienst Daten verschaffen und mit diesen arbeiten kann.
- S2_FORCE_VI: dieses Skript zeigt, wie man den FORCE data cube verwenden kann, um eine Vegetationszeitreihe zu prozessieren und einen Vegetationsindex erzeugt.
- tensorFlow_Example4Beginners: ist ein simples Skript zum Einstieg ins Deep Learning mit TensorFlow.
- CDS_API_acesss_to_ERA5: zeigt wie man mit der CDS API interagiert und ERA5 Daten anfordert für ein bestimmtes Gebiet und Zeitraum.
Die Samples werden im Laufe der Zeit kontinuierlich ausgebaut. Sollten Sie selbst ein Beispiel haben, welches Sie gerne der EO-Lab Community zur Verfügung stellen möchten, melden Sie sich gerne beim EO-Lab Support-Team!
