SageMaker Lowongan Notebook

Anda dapat menggunakan Amazon SageMaker untuk membuat, melatih, dan menerapkan model pembelajaran mesin secara interaktif dari notebook Jupyter di lingkungan apa pun. JupyterLab Namun, ada berbagai skenario di mana Anda mungkin ingin menjalankan notebook Anda sebagai pekerjaan terjadwal yang tidak interaktif. Misalnya, Anda mungkin ingin membuat laporan audit reguler yang menganalisis semua pekerjaan pelatihan yang dijalankan selama jangka waktu tertentu dan menganalisis nilai bisnis dari penerapan model tersebut ke dalam produksi. Atau Anda mungkin ingin meningkatkan pekerjaan rekayasa fitur setelah menguji logika transformasi data pada sebagian kecil data. Kasus penggunaan umum lainnya meliputi:

• Penjadwalan pekerjaan untuk pemantauan drift model

• Menjelajahi ruang parameter untuk model yang lebih baik

Dalam skenario ini, Anda dapat menggunakan Pekerjaan SageMaker Notebook untuk membuat pekerjaan noninteraktif (yang SageMaker berjalan sebagai pekerjaan pelatihan dasar) untuk berjalan sesuai permintaan atau sesuai jadwal. SageMaker Pekerjaan Notebook menyediakan antarmuka pengguna yang intuitif sehingga Anda dapat menjadwalkan pekerjaan langsung JupyterLab dengan memilih widget Pekerjaan Notebook ( ) di buku catatan Anda. Anda juga dapat menjadwalkan pekerjaan Anda menggunakan SageMaker Python SDK, yang menawarkan fleksibilitas penjadwalan beberapa pekerjaan notebook dalam alur kerja pipeline. Anda dapat menjalankan beberapa notebook secara paralel, dan membuat parameter sel di notebook Anda untuk menyesuaikan parameter input.

Fitur ini memanfaatkan layanan Amazon EventBridge, SageMaker Training, dan SageMaker Pipelines dan tersedia untuk digunakan di notebook Jupyter Anda di salah satu lingkungan berikut:

• Studio, Studio Lab, Studio Klasik, atau Instans Notebook

• Penyiapan lokal, seperti mesin lokal Anda, tempat Anda menjalankan JupyterLab

Prasyarat

Untuk menjadwalkan pekerjaan notebook, pastikan Anda memenuhi kriteria berikut:

• Pastikan notebook Jupyter Anda dan skrip inisialisasi atau startup apa pun bersifat mandiri sehubungan dengan kode dan paket perangkat lunak. Jika tidak, pekerjaan noninteraktif Anda dapat menimbulkan kesalahan.

• Tinjau Kendala dan pertimbangan untuk memastikan Anda mengonfigurasi notebook Jupyter, pengaturan jaringan, dan pengaturan wadah dengan benar.

• Pastikan notebook Anda dapat mengakses sumber daya eksternal yang diperlukan, seperti klaster EMR Amazon.

• Jika Anda menyiapkan Pekerjaan Notebook di notebook Jupyter lokal, selesaikan penginstalan. Untuk petunjuk, lihat Panduan Instalasi.

• Jika Anda terhubung ke klaster EMR Amazon di notebook dan ingin membuat parameter perintah koneksi EMR Amazon, Anda harus menerapkan solusi menggunakan variabel lingkungan untuk meneruskan parameter. Untuk detailnya, lihat Connect ke klaster Amazon EMR dari notebook Anda.

• Jika Anda terhubung ke kluster EMR Amazon menggunakan otentikasi Kerberos, LDAP, atau HTTP Basic Auth, Anda harus menggunakan untuk meneruskan kredensyal keamanan Anda AWS Secrets Manager ke perintah koneksi Amazon EMR Anda. Untuk detailnya, lihat Connect ke klaster Amazon EMR dari notebook Anda.

• (opsional) Jika Anda ingin UI memuat skrip untuk dijalankan saat startup notebook, admin Anda harus menginstalnya dengan Lifecycle Configuration (LCC). Untuk informasi tentang cara menggunakan skrip LCC, lihat Menyesuaikan Instans Notebook Menggunakan Skrip Konfigurasi Siklus Hidup.