Sagemaker Simplifies Studio Setup.jpg

Hoy nos complace anunciar la versión simplificada Configuración rápida experiencia en Amazon SageMaker. Con esta nueva capacidad, los usuarios individuales pueden iniciar Amazon SageMaker Estudio con ajustes preestablecidos predeterminados en minutos.

SageMaker Studio es un entorno de desarrollo integrado (IDE) para aprendizaje automático (ML). Los profesionales de ML pueden realizar todos los pasos de desarrollo de ML, desde preparar sus datos hasta crear, entrenar e implementar modelos de ML, dentro de una única interfaz visual integrada. También obtiene acceso a una gran colección de modelos y soluciones prediseñadas que puede implementar con unos pocos clics.

Para utilizar SageMaker Studio u otras aplicaciones personales como Lienzo de Amazon SageMakero colaborar en espacios compartidoslos clientes de AWS primero deben configurar un Dominio SageMaker. Un dominio de SageMaker consta de un asociado Sistema de archivos elástico de Amazon (Amazon EFS), una lista de usuarios autorizados y una variedad de seguridad, aplicaciones, políticas y Nube privada virtual de Amazon (Amazon VPC) configuraciones. Cuando un usuario se incorpora a un dominio de SageMaker, se le asigna un perfil de usuario que puede utilizar para iniciar sus aplicaciones. La autenticación del usuario puede realizarse a través de Centro de identidad de AWS IAM (sucesor de AWS Single Sign-On) o Gestión de acceso e identidad de AWS (SOY).

Configurar un dominio de SageMaker y los perfiles de usuario asociados requiere comprender los conceptos de roles, dominios, autenticación y VPC de IAM, y seguir una serie de pasos de configuración. Para completar estos pasos de configuración, los científicos y desarrolladores de datos suelen trabajar con sus equipos de administración de TI, quienes aprovisionan SageMaker Studio y configuran las barreras de seguridad adecuadas.

Los clientes nos dijeron que el proceso de incorporación a veces puede llevar mucho tiempo, lo que retrasa los científicos de datos y los equipos de ML a la hora de comenzar con SageMaker Studio. ¡Escuchamos y simplificamos la experiencia de incorporación!

Presentamos la configuración simplificada de Quick Studio

La nueva experiencia de configuración Quick Studio para SageMaker proporciona una nueva experiencia de incorporación y administración que facilita a los usuarios individuales la configuración y administración de SageMaker Studio. Los científicos de datos y los administradores de ML pueden configurar SageMaker Studio en minutos con un solo clic. SageMaker se encarga de aprovisionar el dominio de SageMaker con ajustes preestablecidos predeterminados, incluida la configuración de la función IAM, la autenticación IAM y el modo de Internet público. Los administradores de ML pueden modificar la configuración de SageMaker Studio para el dominio creado y personalizar aún más la interfaz de usuario en cualquier momento. Echemos un vistazo a cómo funciona.

Requisitos previos

Para utilizar la configuración de Quick Studio, necesita lo siguiente:

  • Una cuenta de AWS
  • Un rol de IAM con permisos para crear los recursos necesarios para configurar un dominio de SageMaker

Utilice la opción de configuración Quick Studio

Analicemos un escenario en el que un nuevo usuario desea acceder a SageMaker Studio. La experiencia del usuario incluye los siguientes pasos:

  1. En su cuenta de AWS, navegue hasta la consola de SageMaker y elija Configurar para un solo usuario.

SageMaker comienza a preparar el dominio de SageMaker. Este proceso suele tardar unos minutos. El nombre del nuevo dominio tiene el prefijo QuickSetupDomain-.

Tan pronto como el dominio de SageMaker esté listo, aparecerá una notificación en la pantalla que indica «El dominio de SageMaker está listo» y el perfil de usuario del dominio también se creará correctamente.

  1. Elegir Lanzamiento junto al perfil de usuario creado y elija Estudio.

Debido a que es la primera vez que se lanza SageMaker Studio para este perfil de usuario, SageMaker crea una nueva aplicación JupyterServer, lo que demora unos minutos.

Unos minutos más tarde, se carga el IDE de Studio y se le presenta la página de inicio de SageMaker Studio.

Componentes de la configuración de Quick Studio

Al utilizar la configuración de Quick Studio, SageMaker crea los siguientes recursos:

  • Un nuevo rol de IAM con los permisos adecuados para usar SageMaker Studio. Servicio de almacenamiento simple de Amazon (Amazon S3) y SageMaker Canvas. Puede modificar los permisos de la función de IAM creada en cualquier momento según su caso de uso o los requisitos específicos de su persona.
  • Otro rol de IAM con el prefijo AmazonSagemakerCanvasForecastRole-que habilita permisos para la función de pronóstico de series temporales de SageMaker Canvas.
  • Un dominio de SageMaker Studio y un perfil de usuario para el dominio con nombres únicos. IAM se utiliza como modo de autenticación. La función de IAM creada se utiliza como función de ejecución predeterminada de SageMaker para el dominio y el perfil de usuario. Puede iniciar cualquiera de las aplicaciones personales disponibles, como SageMaker Studio y SageMaker Canvas, que están habilitadas de forma predeterminada.
  • Un volumen EFS, que sirve como sistema de archivos para SageMaker Studio. Además de Amazon EFS, un nuevo depósito S3 con prefijo sagemaker-studio- se crea para compartir cuadernos.

SageMaker Studio también utiliza la VPC predeterminada y sus subredes asociadas. Si no hay una VPC predeterminada, o si la VPC predeterminada no tiene subredes, selecciona una de las VPC existentes que tiene subredes asociadas. Si no hay una VPC, se le solicitará al usuario que cree una en la consola de Amazon VPC. La VPC con todas las subredes debajo se utiliza para configurar Amazon EFS.

Conclusión

Ahora, un solo clic es todo lo que necesitas para comenzar con SageMaker Studio. La configuración de Quick Studio para usuarios individuales está disponible en todas las regiones comerciales de AWS donde SageMaker está disponible actualmente.

Pruebe esta nueva función en la consola SageMaker y díganos lo que piensa. ¡Siempre esperamos sus comentarios! Puede enviarlo a través de sus contactos habituales de AWS Support o publicarlo en el Foro de AWS para Sage Maker.


Sobre los autores

vikesh pandey es un arquitecto de soluciones especializado en aprendizaje automático en AWS y ayuda a clientes de industrias financieras a diseñar y crear soluciones en IA generativa y aprendizaje automático. Fuera del trabajo, a Vikesh le gusta probar diferentes cocinas y practicar deportes al aire libre.

Anastasia Tzeveleka es arquitecto de soluciones especialista en aprendizaje automático e inteligencia artificial en AWS. Trabaja con clientes en EMEA y les ayuda a diseñar soluciones de aprendizaje automático a escala utilizando los servicios de AWS. Ha trabajado en proyectos en diferentes dominios, incluido el procesamiento del lenguaje natural (NLP), MLOps y herramientas de código bajo/sin código.