Google Colab (полное имя Colaboratory) — это бесплатный Jupyter-ноутбук в браузере: вы открываете colab.research.google.com, входите в Google-аккаунт и через минуту пишете и запускаете код на Python на сервере Google. Ставить интерпретатор, библиотеки и драйверы не нужно, а к ноутбуку можно подключить видеокарту, которой у вас нет. Ниже — как создать первый ноутбук, включить GPU, загрузить данные, что бесплатная версия умеет и на чём она заканчивается.
CheckroiПодборка курсов по Google Colab9 курсов • 5 школСравните цены, школы, программу и найдите выгодные предложения по обучениюСравнить→
Что такое Google Colab простыми словами
Colab устроен как обычный Jupyter Notebook: текст и код лежат в ячейках, каждую ячейку можно запустить отдельно и сразу увидеть результат под ней. Разница в том, где выполняется код. В Jupyter это ваш компьютер, в Colab — виртуальная машина Google, к которой браузер просто подключается.
Файл ноутбука с расширением .ipynb хранится на вашем Google Диске, поэтому его можно открыть с любого устройства и отправить ссылкой коллеге, как документ. По официальному FAQ Colab, сервис задуман под Python и его экосистему: Python 2 давно не поддерживается, R и Scala не поддерживаются, а Python 3 с популярными библиотеками для данных стоит заранее.
| Что сравниваем | Локальный Jupyter | Google Colab |
|---|---|---|
| Установка | Python, Jupyter, библиотеки, при GPU ещё драйверы CUDA | Только браузер и Google-аккаунт |
| Где считается код | На вашем компьютере | На виртуальной машине Google |
| Видеокарта | Только та, что есть физически | Бесплатно по лимитам, в платных тарифах мощнее |
| Хранение файлов | Диск компьютера, ничего не пропадает | Диск сессии стирается при отключении, постоянное хранилище — Google Диск |
| Совместная работа | Через Git или пересылку файлов | Ссылка, как на Google Документ |
| Ограничение по времени | Нет | Есть, в бесплатной версии до 12 часов на сессию |
Отсюда главный сценарий: Colab берут, когда нужно быстро начать — на курсе, в учебном проекте, на собеседовании с тестовым заданием или когда домашний ноутбук не тянет обучение модели. Если вы только выбираете, с чего начать в машинном обучении, сперва пригодится разбор что вообще такое машинное обучение, а Colab станет рабочим столом для первых экспериментов.
Как запустить первый ноутбук за пять минут
Интерфейс полностью переведён на русский, названия пунктов ниже взяты из него.
- Откройте colab.research.google.com и войдите в Google-аккаунт. Появится окно «Открыть блокнот» со вкладками: недавние, Google Диск, GitHub, «Загрузить блокнот» с компьютера.
- Нажмите «Создать блокнот». Откроется пустой ноутбук с одной ячейкой кода, файл сразу сохранится в папку
Colab Notebooksна вашем Диске. - Щёлкните по названию «Untitled0.ipynb» вверху и переименуйте файл, иначе через неделю у вас будет десяток одинаковых «Untitled».
- Вставьте в ячейку код и нажмите Shift+Enter или кнопку запуска слева от ячейки. При первом запуске Colab подключит виртуальную машину, это занимает несколько секунд.
- Новую ячейку добавляют кнопками «+ Код» и «+ Текст» над ноутбуком. Текстовые ячейки понимают Markdown, в них удобно писать пояснения к коду.
CheckroiПодборка курсов по GitHub169 курсов • 25 школСравните цены, школы, программу и найдите выгодные предложения по обучениюСравнить→
Проверьте, что всё работает, первой же ячейкой:
import sys
print(sys.version)В актуальной среде выполнения 2026.07 вы увидите Python 3.12.13 — версия указана на странице версий среды Colab. Там же написано, что прошлые версии доступны год после выхода: если старый проект сломался после обновления, вернуть прежнюю среду можно через меню «Среда выполнения → Сменить среду выполнения».
Дальше работа в Google Colab ничем не отличается от обычного Python. Если вы ещё не уверены в основах, разберите наши инструкции по циклу while и по тому, как суммировать список, — весь код оттуда запускается в Colab без изменений.
Канал основателя Checkroi Вани Буявца3 700 человек читают мой Телеграм-канал про нейросетиСобрал промпты для Claude Code и ChatGPT, разборы ИИ-инструментов и лайфхаки по продвижению бизнеса в одном местеПрисоединитьсяКак включить бесплатный GPU и проверить, что он работает
По умолчанию ноутбук работает на процессоре. Видеокарта нужна, когда вы обучаете нейросеть, гоняете модель компьютерного зрения или запускаете языковую модель: на CPU это часы, на GPU минуты.
- Откройте меню «Среда выполнения → Сменить среду выполнения».
- В поле «Аппаратный ускоритель» выберите GPU или TPU и нажмите «Сохранить».
- Colab переподключит машину. Индикатор справа вверху покажет объём оперативной памяти и диска.
Убедиться, что ускоритель действительно выдан, можно двумя способами:
# Что за видеокарта и сколько у неё памяти
!nvidia-smi
# Видит ли её PyTorch
import torch
print(torch.cuda.is_available())Если torch.cuda.is_available() вернул False, ускоритель не выбран или лимит исчерпан. В интерфейсе Colab перечислены модели T4, L4, A100, H100 и TPU v5e и v6e, но в бесплатной версии доступ к GPU сильно ограничен, а какой именно чип достанется, сервис не обещает: в FAQ прямо сказано, что типы ускорителей меняются со временем и ресурсы не гарантируются.
Практическое правило: включайте GPU только на время обучения, а после отключайте машину через «Среда выполнения → Управление сеансами». Простаивающая сессия с видеокартой съедает ваш дневной лимит, и следующий раз Colab может отказать в ускорителе.
Как загрузить данные: с компьютера, с Google Диска, из интернета
Виртуальная машина Colab пустая, и после отключения она стирается вместе со всем, что вы в неё положили. Поэтому данные загружают каждую сессию, а результаты сохраняют наружу. Три рабочих способа.
С компьютера напрямую
from google.colab import files
uploaded = files.upload() # откроется диалог выбора файлаФайл попадёт в рабочую папку /content. Способ подходит для небольших таблиц и картинок: при каждом новом подключении загружать придётся заново.
С Google Диска
from google.colab import drive
drive.mount('/content/drive')Colab попросит разрешение на доступ к Диску, после чего ваши файлы появятся по пути /content/drive/MyDrive/. То же самое делает кнопка с логотипом Диска в панели «Файлы» слева. Это основной способ для датасетов, с которыми вы работаете не один день: лежат на Диске, читаются из ноутбука, результаты пишутся обратно.
Из интернета или с GitHub
!wget https://example.com/data.csv
!git clone https://github.com/user/repo.gitВосклицательный знак в начале строки отдаёт команду терминалу Linux вместо интерпретатора Python. Так же ставят недостающие библиотеки: !pip install название. Обратите внимание, что установленные пакеты тоже живут только до конца сессии.
Дальше данные обрабатываются как в любом Python. Например, без единой внешней библиотеки:
import csv, io, statistics
data = 'город,зарплата\nМосква,150000\nКазань,95000\nПермь,80000\n'
rows = list(csv.DictReader(io.StringIO(data)))
salaries = [int(r['зарплата']) for r in rows]
print('строк:', len(rows))
print('медиана:', statistics.median(salaries))
print('максимум:', max(rows, key=lambda r: int(r['зарплата']))['город'])строк: 3
медиана: 95000
максимум: МоскваЧто умеет Colab кроме запуска Python
- Предустановленные библиотеки. NumPy, pandas, matplotlib, scikit-learn, PyTorch, TensorFlow уже стоят. Проверить версию любой из них:
!pip show pandas. - Совместная работа. Кнопка «Поделиться» вверху работает как в Google Документах: ссылка на просмотр или на редактирование. Историю версий ведёт Диск.
- GitHub. Ноутбук открывается прямо из репозитория через вкладку GitHub в окне «Открыть блокнот», а через «Файл → Сохранить в GitHub» его можно отправить обратно. Скачать блокнот на компьютер тоже можно: «Файл → Скачать → Скачать IPYNB», файл откроется в локальном Jupyter.
- Формы. Комментарий вида
# @paramпревращает переменную в поле ввода или ползунок: коллега без знания Python поменяет число и перезапустит ячейку. - Помощник на Gemini. В Colab встроены генерация кода по описанию и объяснение ошибок, об этом пишет страница Colab для разработчиков. Функции включаются только для некоторых регионов и для пользователей старше 18 лет, поэтому в России кнопка может не показываться.
- Терминал и фоновое выполнение. Кнопка «Терминал» внизу слева открывает командную строку виртуальной машины, и с июня 2025 года она доступна всем, включая бесплатный тариф. А вот фоновый расчёт при закрытом браузере остаётся платным: он есть только в Colab Pro+.
CheckroiПодборка курсов по NumPy77 курсов • 18 школСравните цены, школы, программу и найдите выгодные предложения по обучениюСравнить→
Если вам нужен доступ к моделям Google из кода, а не из интерфейса, Colab удобен и для этого: по нашей инструкции про Gemini API первый запрос делается прямо из ячейки.
Приёмы, которые экономят время в Colab
Colab выглядит просто, и большинство пользуются им как блокнотом с кнопкой «Выполнить». Несколько привычек делают работу заметно быстрее, а сам язык при этом остаётся обычным Python, ничего нового учить не придётся.
- Горячие клавиши. Shift+Enter запускает ячейку и переходит к следующей, Ctrl+Enter запускает и оставляет курсор на месте, Ctrl+Space или Tab открывает автодополнение. Полный список лежит в меню «Инструменты».
- Панель «Переменные». Слева, рядом с «Файлами», есть вкладка со всеми переменными сессии: тип, размер, первые значения. Она заменяет десяток
print()при отладке. - «Фрагменты кода». Там же лежат готовые заготовки: подключение Диска, загрузка файла, график в matplotlib. Вставляются в ячейку одним щелчком.
- Магические команды.
%%timeв первой строке ячейки покажет, сколько она выполнялась, а%whoперечислит переменные. Это стандарт IPython, он работает и в Jupyter. - Текстовые ячейки как оглавление. Заголовки в Markdown-ячейках Colab собирает в навигацию слева, и по длинному ноутбуку можно ходить, как по документу с содержанием.
Канал основателя Checkroi Вани БуявцаЗабирайте промпты и обучение по нейросетям в моём Телеграм-каналеБольше 3 700 человек уже применяют Claude Code, ChatGPT и другие нейросети в работе, учёбе, бизнесе и жизниПерейти в каналЛимиты бесплатной версии и что даёт Colab Pro
Бесплатный Colab честно описан на странице тарифов: ноутбук работает максимум 12 часов, при простое сессия отключается, а доступ к GPU «сильно ограничен» и зависит от загрузки серверов. Точных цифр по часам GPU в день Google не публикует, они меняются от вашей истории использования.
Платные тарифы устроены через «вычислительные единицы» (compute units): это счётчик, который списывается быстрее на мощной машине и медленнее на слабой. Цены и объёмы ниже взяты с страницы подписки Colab на сентябрь 2026 года.
| Тариф | Цена | Что даёт |
|---|---|---|
| Colab (бесплатно) | 0 | Python-среда, ограниченный GPU, до 12 часов на сессию, стандартная память |
| Pay As You Go | $9,99 за 100 единиц, $49,99 за 500 | Без подписки, более мощные GPU, единицы сгорают через 90 дней |
| Colab Pro | $9,99 в месяц | 100 единиц в месяц, более мощные GPU, машины с увеличенной памятью, расширенная квота Gemini |
| Colab Pro+ | $49,99 в месяц | 600 единиц в месяц, приоритет на премиум-GPU, фоновое выполнение до 24 часов при закрытом браузере |
Два нюанса, о которых редко пишут. Первый: вычислительные единицы сгорают через 90 дней и не возвращаются, купить их про запас не получится. Второй: на странице подписки Colab платные тарифы доступны только в части стран, и России среди них нет. Бесплатная версия при этом открывается из России без ограничений, мы проверили это с сервера в России 22 сентября 2026 года.
Отсюда практический вывод для читателя из России: Colab стоит рассматривать как бесплатный инструмент для учёбы и прототипов, например на первых месяцах пути в Data Science, а под длинные расчёты смотреть на отечественные облака с GPU или на локальную видеокарту.
Частые ошибки и что с ними делать
- «Сессия отключена» посреди обучения. Причина: превышен лимит времени или простой. Решение: сохраняйте веса модели на Google Диск каждые несколько эпох и пишите код так, чтобы обучение можно было продолжить с последнего сохранения.
- Файлы пропали после переподключения. Причина: они лежали во временной папке
/contentвместо Диска. Решение: держите данные и результаты в/content/drive/MyDrive/, папку/contentсчитайте временной. - GPU не выдают, хотя выбран в настройках. Причина: исчерпан лимит бесплатного ускорителя. Решение: подождать, обычно доступ возвращается на следующий день; на время ожидания переключиться на CPU и отлаживать код на маленькой выборке.
- Библиотека нужной версии не ставится или ломает другие. Причина: в среде уже стоит набор пакетов с зависимостями. Решение: ставить с явной версией
!pip install пакет==x.y.zи после установки перезапустить сеанс через «Среда выполнения → Перезапустить сеанс». - Ноутбук тормозит при выводе. Причина: тысячи строк логов в одной ячейке. Решение: печатать реже, а из длинных таблиц выводить первые строки через
df.head(). - Не хватает оперативной памяти. Причина: датасет загружен целиком в pandas. Решение: читать файл частями через параметр
chunksize, хранить числа в более компактных типах или переходить на тариф с увеличенной памятью.
Кому Colab подходит, а кому уже мал
Colab закрывает потребности трёх групп. Студентам и слушателям курсов он даёт одинаковую среду у всех, преподавателю не нужно тратить первое занятие на установку. Аналитикам и дата-сайентистам он удобен для быстрых проверок гипотез и обмена расчётами с командой. Тем, кто учит машинное обучение сам, он даёт видеокарту без покупки железа.
Дальше начинаются границы. Colab неудобен для проектов, которые должны работать постоянно: бот, сервис, регулярный отчёт. Он не подходит для конфиденциальных данных, которые нельзя выносить в облако Google. И он мал для обучения больших моделей: 12 часов и негарантированный GPU превращают такое обучение в лотерею.
Если вы почувствовали эти границы, значит, учебный этап пройден. Следующий шаг обычно один из двух: настроить локальное окружение по нашей инструкции как создать и запустить файл Python в VS Code либо освоить облачную инфраструктуру, которой пользуются ML-инженеры.
Аналоги Google Colab: чем заменить, если его стало мало
Вопрос встаёт у всех, кто дошёл до границ бесплатной версии. Вариантов три, и они закрывают разные потребности.
| Вариант | Когда подходит | Что учесть |
|---|---|---|
| Kaggle Notebooks | Учебные проекты и соревнования, нужен бесплатный GPU с другим лимитом | Та же логика ноутбука, датасеты Kaggle подключаются в один клик, но это тоже облако с квотами |
| Yandex DataSphere | Проект должен жить в российском облаке, нужны длинные расчёты и оплата в рублях | Платится по потреблению, зато нет ограничений на страну и на длительность сессии |
| Локальный Jupyter или VS Code | Конфиденциальные данные, постоянные сервисы, есть своя видеокарта | Настройка окружения на вас, зато полный контроль и никакого таймера |
Colab при этом никуда не уходит: даже те, у кого есть локальная машина, держат в нём быстрые эксперименты и учебные ноутбуки, которыми удобно делиться.
Где освоить Google Colab и Python системно
Colab снимает вопрос «как настроить», но не отвечает на вопрос «что писать». Если вы хотите пройти путь от первой ячейки до работающей модели по программе, посмотрите курсы, где Colab используется как основная среда занятий, — в каталоге они собраны на странице инструмента, а рядом лежит подборка по машинному обучению.
| Курс | Школа | Стоимость со скидкой | В рассрочку | Длительность | Обзор курса от Checkroi |
|---|---|---|---|---|---|
| Data Scientist Перейти на сайт курса |  Эдюсон | 109 900 ₽ | 4579 ₽/мес. | 9 месяцев | Обзор курса |
| Data scientist: тариф PRO Перейти на сайт курса | Эдюсон | 136 395 ₽ | 5683 ₽/мес. | 9 месяцев | Обзор курса |
| Аналитика и аналитическое мышление для начинающих Перейти на сайт курса |  Нетология | 12 000 ₽ | 1000 ₽/мес. | 2 месяца | Обзор курса |
| Основы аналитики и аналитическое мышление Перейти на сайт курса | Нетология | 12 000 ₽ | 1000 ₽/мес. | 4 недели | Обзор курса |
| Нейросети для бизнеса Перейти на сайт курса |  Skillbox | 84 991 ₽ | 7083 ₽/мес. | 2 месяца | Обзор курса |
Больше программ — в полном каталоге курсов по Google Colab
