Utilisez les environnements d'apprentissage automatique proposés par Amazon SageMaker - Amazon SageMaker

Les traductions sont fournies par des outils de traduction automatique. En cas de conflit entre le contenu d'une traduction et celui de la version originale en anglais, la version anglaise prévaudra.

Utilisez les environnements d'apprentissage automatique proposés par Amazon SageMaker

Important

Amazon SageMaker Studio et Amazon SageMaker Studio Classic sont deux des environnements d'apprentissage automatique avec lesquels vous pouvez interagir SageMaker.

Si votre domaine a été créé après le 30 novembre 2023, Studio est votre expérience par défaut.

Si votre domaine a été créé avant le 30 novembre 2023, Amazon SageMaker Studio Classic est votre expérience par défaut. Pour utiliser Studio si Amazon SageMaker Studio Classic est votre expérience par défaut, consultezMigration depuis Amazon SageMaker Studio Classic.

Lorsque vous migrez d'Amazon SageMaker Studio Classic vers Amazon SageMaker Studio, il n'y a aucune perte de disponibilité des fonctionnalités. Studio Classic existe également IDE au sein d'Amazon SageMaker Studio pour vous aider à gérer vos anciens flux de travail d'apprentissage automatique.

SageMaker prend en charge les environnements d'apprentissage automatique suivants :

  • Amazon SageMaker Studio (recommandé) : la dernière expérience Web pour exécuter des flux de travail ML avec une suite deIDEs. Studio prend en charge les applications suivantes :

    • Amazon SageMaker Studio classique

    • Éditeur de code, basé sur Code-OSS, Visual Studio Code - Open Source

    • JupyterLab

    • Amazon SageMaker Canvas

    • RStudio

  • Amazon SageMaker Studio Classic : vous permet de créer, de former, de déboguer, de déployer et de surveiller vos modèles de machine learning.

  • Instances Amazon SageMaker Notebook : vous permet de préparer et de traiter des données, ainsi que de former et de déployer des modèles d'apprentissage automatique à partir d'une instance de calcul exécutant l'application Jupyter Notebook.

  • Amazon SageMaker Studio Lab : Studio Lab est un service gratuit qui vous donne accès à AWS ressources de calcul, dans un environnement basé sur l'open source JupyterLab, sans avoir besoin de AWS .

  • Amazon SageMaker Canvas : vous permet d'utiliser le machine learning pour générer des prédictions sans avoir à coder.

  • Amazon SageMaker geospatial : vous permet de créer, de former et de déployer des modèles géospatiaux.

  • RStudiosur Amazon SageMaker : RStudio est un outil IDE pour R, doté d'une console, d'un éditeur de mise en évidence de syntaxe qui prend en charge l'exécution directe du code et d'outils pour le traçage, l'historique, le débogage et la gestion de l'espace de travail.

  • SageMaker HyperPod: vous SageMaker HyperPod permet de fournir des clusters résilients pour exécuter des charges de travail d'apprentissage automatique (ML) et développer state-of-the-art des modèles tels que de grands modèles linguistiques (LLMs), des modèles de diffusion et des modèles de base (FMs).

Pour utiliser ces environnements d'apprentissage automatique, vous ou l'administrateur de votre organisation devez créer un SageMaker domaine Amazon. Les exceptions sont Studio Lab, SageMaker Notebook Instances et. SageMaker HyperPod

Au lieu de provisionner manuellement les ressources et de gérer les autorisations pour vous-même et vos utilisateurs, vous pouvez créer un DataZone domaine Amazon. Le processus de création d'un DataZone domaine Amazon crée un SageMaker domaine Amazon correspondant avec AWS Glue ou des bases de données Amazon Redshift pour vos ETL flux de travail. La configuration d'un domaine via Amazon DataZone réduit le temps nécessaire à la configuration SageMaker des environnements pour vos utilisateurs. Pour plus d'informations sur la configuration d'un SageMaker domaine Amazon au sein d'Amazon DataZone, consultezConfiguration SageMaker des actifs (guide de l'administrateur).

Les utilisateurs du DataZone domaine Amazon sont autorisés à effectuer toutes les SageMaker actions Amazon, mais leurs autorisations sont limitées aux ressources du DataZone domaine Amazon.

La création d'un DataZone domaine Amazon rationalise la création d'un domaine qui permet à vos utilisateurs de partager des données et des modèles entre eux. Pour plus d'informations sur la manière dont ils peuvent partager des données et des modèles, consultezCréez et partagez des actifs avec Amazon SageMaker Assets.

Rubriques