Почувствуйте новую и улучшенную Amazon SageMaker Studio

Ощутите преимущества нового и улучшенного Amazon SageMaker Studio

Запущенный в 2019 году, Amazon SageMaker Studio предоставляет одно место для всех полных циклов машинного обучения (ML), начиная с подготовки данных, создания и экспериментирования, обучения, размещения и мониторинга. Продолжая инновации для увеличения производительности науки о данных, мы с радостью объявляем об улучшенной пользовательской иптерфейсе SageMaker Studio, который позволяет пользователям выбирать управляемую Интегрированную среду разработки (IDE) по своему выбору, имея при этом доступ к ресурсам и инструментам SageMaker Studio размером в IDE. Это обновленное пользовательское взаимодействие (UX) предоставляет научным сотрудникам, инженерам по данным и инженерам машинного обучения больше выбора относительно того, где создавать и обучать свои модели МЛ внутри SageMaker Studio. Как веб-приложение, SageMaker Studio имеет улучшенное время загрузки, более быстрое время запуска IDE и ядра, а также автоматическое обновление.

В дополнение к управляемым JupyterLab и RStudio на Amazon SageMaker, мы также запустили управляемый Visual Studio Code open-source (Code-OSS) с SageMaker Studio. После того, как пользователь выбирает редактор кода и запускает пространство редактора кода, поддерживаемое выбранной вычислительной и хранилищной системой, он может воспользоваться инструментарием SageMaker и Amazon Toolkit, а также интеграцией с Amazon EMR, Amazon CodeWhisperer, GitHub и возможностью настройки среды с помощью пользовательских изображений. Как и в случае с JupyterLab и RStudio на SageMaker, пользователи могут изменять вычисления редактора кода по ходу работы в зависимости от своих потребностей.

Наконец, чтобы упростить процесс науки о данных и избежать необходимости переключаться между консолью и SageMaker Studio, мы добавили возможность просмотра деталей Обучающих заданий и конечных точек в пользовательском интерфейсе (UI) SageMaker Studio и предоставили возможность просмотра всех запущенных экземпляров по запущенным приложениям. Кроме того, мы улучшили опыт работы с нашими моделями основных фондов (FM), чтобы пользователи могли быстро находить, импортировать, регистрировать, настраивать и развертывать FM.

Обзор решения

Запуск IDE

С новой версией Amazon SageMaker Studio сервер JupyterLab обновлен, чтобы обеспечить более быстрые времена запуска и более надежный опыт. SageMaker Studio теперь является многоспособным веб-приложением, откуда пользователи могут не только запускать JupyterLab, но также имеют возможность запускать управляемые приложения Visual Studio Code open-source (Code-OSS), RStudio и Canvas. Пользовательский интерфейс SageMaker Studio позволяет вам получить доступ и найти ресурсы SageMaker и инструменты МЛ, такие как Задания, Конечные точки и Конвейеры, однородным образом, независимо от вашей выбранной IDE. SageMaker Studio содержит стандартное частное пространство, к которому только вы можете получить доступ и запустить JupyterLab или редактор кода. У вас также есть возможность создать новое пространство в SageMaker Studio Classic, которое будет общим для всех пользователей вашего домена.

• 10 хранилищ GitHub, чтобы овладеть машинным обучением
• Бесплатный курс MIT TinyML и эффективные вычисления глубокого обучения
• Построение прогностических моделей логистическая регрессия на языке Python

Улучшенный рабочий процесс машинного обучения

С новым интерактивным опытом значительно улучшаются и упрощаются отдельные части существующего рабочего процесса машинного обучения от Amazon SageMaker. В частности, в разделах «Обучение» и «Хостинг» предоставляется гораздо более интуитивно понятный интерактивный пользовательский интерфейс для создания новых заданий и конечных точек, а также возможность отслеживания метрик и мониторинга.

Обучение

Для обучения моделей на Amazon SageMaker пользователи могут проводить обучение разных типов, будь то через рабочую тетрадь Studio через задание рабочей тетради, отдельное задание обучения или задание тонкой настройки через раздел SageMaker JumpStart. С помощью улучшенного интерфейса пользователя вы можете отслеживать прошлые и текущие задания обучения, используя панель обучения Studio. Вы также можете переключаться между конкретными заданиями обучения, чтобы понять их производительность, местоположение артефактов модели, а также конфигурации, такие как оборудование и гиперпараметры, на основе которых выполняется задание обучения. Интерфейс также предоставляет гибкость возможности запуска и остановки заданий обучения через консоль.

Хостинг

В Amazon SageMaker также предусмотрены различные варианты размещения моделей, которые можно использовать в пользовательском интерфейсе. Для создания конечной точки SageMaker вы можете перейти в раздел «Модели», где можно использовать существующие модели или создать новую. Здесь вы можете использовать как отдельную модель для развертывания конечной точки реального времени Amazon SageMaker, так и несколько моделей для работы с расширенными параметрами хостинга SageMaker. При необходимости вы также можете использовать панель Amazon SageMaker JumpStart для переключения между списком доступных FMs и выполнения тонкой настройки или развёртывания через интерфейс пользователя.

Настройка

Обновленный опыт работы с Amazon SageMaker Studio запускается параллельно классическим опытом работы с Amazon SageMaker Studio. Вы можете опробовать новый интерфейс пользователя и выбрать его в качестве варианта по умолчанию для новых и существующих доменов. В документации перечислены шаги для переноса из классического SageMaker Studio.

Заключение

В этой статье мы показали вам возможности нового и улучшенного Amazon SageMaker Studio. С обновленным опытом работы с SageMaker Studio пользователи теперь могут выбирать предпочитаемую среду разработки, поддерживаемую выбранными вычислениями, и запускать ядро за считанные секунды, с доступом к инструментам и ресурсам SageMaker через веб-приложение SageMaker Studio. Добавление деталей обучения и конечных точек в SageMaker Studio, а также улучшенный пользовательский интерфейс Amazon SageMaker Jumpstart обеспечивают безупречную интеграцию шагов машинного обучения в пользовательский интерфейс SageMaker Studio. Начните работу с SageMaker Studio здесь.