在数据科学研究中，快速验证想法是非常关键的一环，而如何快速开发出数据产品则可以有效推动整个数据科学项目研究成果在生产环境中的应用速度。
而大多数数据科学研究的场景下，更快的速度也意味着更早地发现问题和完成检验假设的闭环。
本文将介绍如何通过Docker+Django技术打造数据产品的快速原型，并通过实战案例进行演示。
为什么使用Django最初起源于美国芝加哥Python用户组的Django框架，使得Python的使用者不必写大量的css、js就可以快速数据管理系统的开发，且Django集成了模板系统、ORM、数据迁移版本控制、模糊搜索、过滤器、用户鉴权等特性，同时Django提供了松耦合的设计，并且内置了国际化支持和后台管理界面等实用功能。Django使得非传统程序员的数据科学家不必依赖于前端、后端工程师就可以自己依照业务完成一些简单的数据管理工作，快速验证想法的可靠性。
给样本打标签是机器学习中非常常见的一项工作，通过Django打造数据产品的快速原型，可以极大方便我们给样本打标签的过程，为机器学习的冷启动争取到更多时间。
为什么使用Docker参考前文容器定义应用：数据科学的容器革命，随着容器化技术的兴起，数据科学现在最大的一场运动已经不是由一个新的算法或者统计方法发起的了，而是来自Docker的容器化技术。通常，数据科学被认为研究成果立即应用到生产环境都是比较缓慢的一个过程。利用容器技术将加速数据科学在生产环境中的实际应用。
由于Docker的标准交付特性使得Django应用在运维、部署、交付时都是标准化的，这就使得研究成果可以快速标准化地分享，通过docker-安徽治疗白癜风医院北京那个医院治疗白癜风好