Verwenden Sie von Amazon angebotene Umgebungen für maschinelles Lernen SageMaker - Amazon SageMaker

Die vorliegende Übersetzung wurde maschinell erstellt. Im Falle eines Konflikts oder eines Widerspruchs zwischen dieser übersetzten Fassung und der englischen Fassung (einschließlich infolge von Verzögerungen bei der Übersetzung) ist die englische Fassung maßgeblich.

Verwenden Sie von Amazon angebotene Umgebungen für maschinelles Lernen SageMaker

Wichtig

Amazon SageMaker Studio und Amazon SageMaker Studio Classic sind zwei der Machine-Learning-Umgebungen, mit denen Sie interagieren können SageMaker.

Wenn Ihre Domain nach dem 30. November 2023 erstellt wurde, ist Studio Ihr Standarderlebnis.

Wenn Ihre Domain vor dem 30. November 2023 erstellt wurde, ist Amazon SageMaker Studio Classic Ihr Standarderlebnis. Informationen zur Verwendung von Studio, wenn Amazon SageMaker Studio Classic Ihr Standarderlebnis ist, finden Sie unterMigration von Amazon SageMaker Studio Classic.

Wenn Sie von Amazon SageMaker Studio Classic zu Amazon SageMaker Studio migrieren, geht die Verfügbarkeit von Funktionen nicht verloren. Studio Classic ist auch als Teil IDE von Amazon SageMaker Studio verfügbar, um Sie bei der Ausführung Ihrer älteren Machine-Learning-Workflows zu unterstützen.

SageMaker unterstützt die folgenden Umgebungen für maschinelles Lernen:

  • Amazon SageMaker Studio (empfohlen): Die neueste webbasierte Erfahrung für die Ausführung von ML-Workflows mit einer Suite vonIDEs. Studio unterstützt die folgenden Anwendungen:

    • Amazon SageMaker Studio Klassisch

    • Code-Editor, basierend auf Code-OSS, Visual Studio Code - Open Source

    • JupyterLab

    • Amazon SageMaker Leinwand

    • RStudio

  • Amazon SageMaker Studio Classic: Ermöglicht das Erstellen, Trainieren, Debuggen, Bereitstellen und Überwachen Ihrer Machine-Learning-Modelle.

  • Amazon SageMaker Notebook Instances: Ermöglicht die Vorbereitung und Verarbeitung von Daten sowie das Trainieren und Bereitstellen von Modellen für maschinelles Lernen von einer Recheninstanz aus, auf der die Jupyter Notebook-Anwendung ausgeführt wird.

  • Amazon SageMaker Studio Lab: Studio Lab ist ein kostenloser Service, mit dem Sie Zugriff auf AWS Rechenressourcen in einer Umgebung, die auf Open Source basiert JupyterLab, ohne dass ein AWS Konto.

  • Amazon SageMaker Canvas: Bietet Ihnen die Möglichkeit, maschinelles Lernen zu verwenden, um Vorhersagen zu generieren, ohne programmieren zu müssen.

  • Amazon SageMaker Geospatial: Bietet Ihnen die Möglichkeit, Geodatenmodelle zu erstellen, zu trainieren und bereitzustellen.

  • RStudioauf Amazon SageMaker: RStudio ist ein IDE für R, mit einer Konsole, einem Syntaxhervorhebungseditor, der die direkte Codeausführung unterstützt, und Tools für das Plotten, den Verlauf, das Debuggen und die Workspace-Verwaltung.

  • SageMaker HyperPod: SageMaker HyperPod ermöglicht die Bereitstellung robuster Cluster für die Ausführung von Workloads für maschinelles Lernen (ML) und die Entwicklung von state-of-the-art Modellen wie großen Sprachmodellen (LLMs), Diffusionsmodellen und Basismodellen (). FMs

Um diese Machine-Learning-Umgebungen nutzen zu können, müssen Sie oder der Administrator Ihrer Organisation eine SageMaker Amazon-Domain erstellen. Die Ausnahmen sind Studio Lab, SageMaker Notebook Instances und. SageMaker HyperPod

Anstatt Ressourcen manuell bereitzustellen und Berechtigungen für Sie und Ihre Benutzer zu verwalten, können Sie eine DataZone Amazon-Domain erstellen. Beim Erstellen einer DataZone Amazon-Domain wird eine entsprechende SageMaker Amazon-Domain mit erstellt AWS Glue oder Amazon Redshift Redshift-Datenbanken für Ihre ETL Workflows. Die Einrichtung einer Domain über Amazon DataZone reduziert den Zeitaufwand für die Einrichtung von SageMaker Umgebungen für Ihre Benutzer. Weitere Informationen zur Einrichtung einer SageMaker Amazon-Domain innerhalb von Amazon DataZone finden Sie unter SageMaker Assets einrichten (Administratorhandbuch).

Benutzer innerhalb der DataZone Amazon-Domain haben Berechtigungen für alle SageMaker Amazon-Aktionen, ihre Berechtigungen sind jedoch auf Ressourcen innerhalb der DataZone Amazon-Domain beschränkt.

Die Erstellung einer DataZone Amazon-Domain vereinfacht die Erstellung einer Domain, die es Ihren Benutzern ermöglicht, Daten und Modelle miteinander zu teilen. Informationen darüber, wie sie Daten und Modelle gemeinsam nutzen können, finden Sie unterAssets erstellen und mit Amazon SageMaker Assets teilen.

Themen