기계 번역으로 제공되는 번역입니다. 제공된 번역과 원본 영어의 내용이 상충하는 경우에는 영어 버전이 우선합니다.
SageMaker JupyterLab
Amazon SageMaker Studio 내에 JupyterLab 스페이스를 생성하여 JupyterLab 애플리케이션을 시작합니다. JupyterLab 공간은 JupyterLab 애플리케이션을 실행하는 데 필요한 스토리지 및 컴퓨팅 리소스를 관리하는 Studio 내의 프라이빗 또는 공유 공간입니다. JupyterLab 애플리케이션은 노트북, 코드 및 데이터를 위한 웹 기반 대화형 개발 환경 (IDE) 입니다. JupyterLab 애플리케이션의 유연하고 광범위한 인터페이스를 사용하여 기계 학습 (ML) 워크플로를 구성하고 정렬할 수 있습니다.
기본적으로 JupyterLab 애플리케이션은 SageMaker 배포 이미지와 함께 제공됩니다. 배포 이미지에는 다음과 같은 인기 패키지가 있습니다.
-
PyTorch
-
TensorFlow
-
Keras
-
NumPy
-
Pandas
-
Scikit-learn
공유 공간을 사용하여 Jupyter 노트북에서 다른 사용자와 실시간으로 협업할 수 있습니다. 공유 스페이스에 대한 자세한 내용은 공유 공간과의 협업섹션을 참조하세요.
JupyterLab 애플리케이션 내에서 생성적 AI 기반 코드 컴패니언인 Amazon Q Developer를 사용하여 코드를 생성, 디버그 및 설명할 수 있습니다. Amazon Q 개발자 사용에 대한 자세한 내용은 을 참조하십시오JupyterLab 사용 설명서. Amazon Q 개발자 설정에 대한 자세한 내용은 을 참조하십시오JupyterLab 관리자 안내서.
동일한 Jupyter 노트북에서 통합 분석 및 ML 워크플로를 구축하십시오. 노트북에서 바로 Amazon EMR 및 AWS Glue 서버리스 인프라에서 대화형 Spark 작업을 실행할 수 있습니다. 인라인 UI를 사용하여 작업을 더 빠르게 모니터링하고 디버깅할 수 있습니다. Spark 몇 단계만 거치면 노트북을 작업으로 예약하여 데이터 준비를 자동화할 수 있습니다.
이 JupyterLab 애플리케이션을 사용하면 동료와 협업할 수 있습니다. JupyterLab IDE 내에 내장된 Git 통합을 사용하여 코드를 공유하고 버전 관리하세요. Amazon EFS 볼륨이 있는 경우 자체 파일 스토리지 시스템을 가져오십시오.
JupyterLab 애플리케이션은 단일 Amazon Elastic Compute Cloud (Amazon EC2) 인스턴스에서 실행되며 단일 Amazon Elastic Block Store (Amazon EBS) 볼륨을 스토리지로 사용합니다. 필요에 따라 더 빠른 인스턴스를 전환하거나 Amazon EBS 볼륨 크기를 늘릴 수 있습니다.
JupyterLab 4개 애플리케이션은 Studio 내 JupyterLab 공간에서 실행됩니다. 스튜디오 클래식은 JupyterLab 3 애플리케이션을 사용합니다. JupyterLab 4는 다음과 같은 이점을 제공합니다.
-
Amazon SageMaker Studio Classic보다 빠른 IDE, 특히 대형 노트북의 경우
-
문서 검색 개선
-
성능이 더 뛰어나고 접근성이 뛰어난 텍스트 편집기
에 대한 JupyterLab 자세한 내용은 JupyterLab설명서를