Ambienti di apprendimento automatico offerti da Amazon SageMaker - Amazon SageMaker

Le traduzioni sono generate tramite traduzione automatica. In caso di conflitto tra il contenuto di una traduzione e la versione originale in Inglese, quest'ultima prevarrà.

Ambienti di apprendimento automatico offerti da Amazon SageMaker

Importante

Amazon SageMaker Studio e Amazon SageMaker Studio Classic sono due degli ambienti di apprendimento automatico con cui puoi interagire SageMaker.

Se il tuo dominio è stato creato dopo il 30 novembre 2023, Studio è la tua esperienza predefinita.

Se il tuo dominio è stato creato prima del 30 novembre 2023, Amazon SageMaker Studio Classic è la tua esperienza predefinita. Per utilizzare Studio se Amazon SageMaker Studio Classic è la tua esperienza predefinita, consultaMigrazione da Amazon SageMaker Studio Classic.

Quando esegui la migrazione da Amazon SageMaker Studio Classic ad Amazon SageMaker Studio, non si verifica alcuna perdita nella disponibilità delle funzionalità. Studio Classic esiste anche IDE all'interno di Amazon SageMaker Studio per aiutarti a eseguire i tuoi flussi di lavoro di machine learning legacy.

SageMaker supporta i seguenti ambienti di apprendimento automatico:

  • Amazon SageMaker Studio (consigliato): la più recente esperienza basata sul Web per l'esecuzione di flussi di lavoro ML con una suite di. IDEs Studio supporta le seguenti applicazioni:

    • Amazon SageMaker Studio Classic

    • Editor di codice, basato su Code-OSS, Visual Studio Code - Open Source

    • JupyterLab

    • Amazon SageMaker Tela

    • RStudio

  • Amazon SageMaker Studio Classic: ti consente di creare, addestrare, eseguire il debug, distribuire e monitorare i tuoi modelli di machine learning.

  • Istanze Amazon SageMaker Notebook: consente di preparare ed elaborare dati e addestrare e distribuire modelli di machine learning da un'istanza di calcolo che esegue l'applicazione Jupyter Notebook.

  • Amazon SageMaker Studio Lab: Studio Lab è un servizio gratuito che consente di accedere alle risorse di AWS calcolo, in un ambiente basato sull'open source JupyterLab, senza richiedere un AWS account.

  • Amazon SageMaker Canvas: ti offre la possibilità di utilizzare l'apprendimento automatico per generare previsioni senza bisogno di codificare.

  • Amazon SageMaker geospatial: ti dà la possibilità di creare, addestrare e distribuire modelli geospaziali.

  • RStudiosu Amazon SageMaker: RStudio è un programma IDE per R, con una console, un editor di evidenziazione della sintassi che supporta l'esecuzione diretta del codice e strumenti per la plottaggio, la cronologia, il debug e la gestione dell'area di lavoro.

  • SageMaker HyperPod: SageMaker HyperPod consente di fornire cluster resilienti per l'esecuzione di carichi di lavoro di machine learning (ML) e lo sviluppo di state-of-the-art modelli come modelli di linguaggio di grandi dimensioni (), modelli di diffusione e modelli di base (). LLMs FMs

Per utilizzare questi ambienti di machine learning, tu o l'amministratore della tua organizzazione dovete creare un SageMaker dominio Amazon. Le eccezioni sono Studio Lab, SageMaker Notebook Instances e. SageMaker HyperPod

Invece di fornire manualmente le risorse e gestire le autorizzazioni per te e i tuoi utenti, puoi creare un dominio Amazon DataZone . Il processo di creazione di un DataZone dominio Amazon crea un SageMaker dominio Amazon corrispondente con AWS Glue o database Amazon Redshift per i tuoi ETL flussi di lavoro. La configurazione di un dominio tramite Amazon DataZone riduce il tempo necessario per configurare gli SageMaker ambienti per i tuoi utenti. Per ulteriori informazioni sulla configurazione di un SageMaker dominio Amazon all'interno di Amazon DataZone, consultaConfigurare SageMaker le risorse (guida per amministratori).

Gli utenti all'interno del DataZone dominio Amazon dispongono delle autorizzazioni per tutte le SageMaker azioni Amazon, ma le loro autorizzazioni sono limitate alle risorse all'interno del dominio Amazon. DataZone

La creazione di un DataZone dominio Amazon semplifica la creazione di un dominio che consente agli utenti di condividere dati e modelli tra loro. Per informazioni su come possono condividere dati e modelli, consultaAccesso controllato agli asset con Amazon SageMaker Assets.