Lanzado en 2019, Amazon SageMaker Studio proporciona un lugar para todos los flujos de trabajo de aprendizaje automático (ML) de un extremo a otro, desde la preparación de datos, la construcción y la experimentación, la capacitación, el alojamiento y el monitoreo. A medida que continuamos innovando para aumentar la productividad de la ciencia de datos, nos complace anunciar la experiencia mejorada de SageMaker Studio, que permite a los usuarios seleccionar el entorno de desarrollo integrado (IDE) administrado de su elección, mientras tienen acceso a los recursos y herramientas de SageMaker Studio. a través de los IDE. Esta experiencia de usuario (UX) actualizada ofrece a los científicos de datos, ingenieros de datos e ingenieros de ML más opciones sobre dónde construir y entrenar sus modelos de ML dentro de SageMaker Studio. Como aplicación web, SageMaker Studio ha mejorado el tiempo de carga, tiempos de inicio del IDE y del kernel más rápidos y actualizaciones automáticas.
Además de JupyterLab y RStudio administrados en Amazon SageMaker, también lanzamos administración Visual Studio Code de código abierto (Code-OSS) con SageMaker Estudio. Una vez que un usuario selecciona el Editor de código e inicia el espacio del Editor de código respaldado por la computación y el almacenamiento de su elección, puede aprovechar las herramientas de SageMaker y el kit de herramientas de Amazon, así como la integración con EMR de Amazon, Código de Amazon Whisperer, GitHub y la capacidad de personalizar el entorno con imágenes personalizadas. Como pueden hacer hoy con JupyterLab y RStudio en SageMaker, los usuarios pueden cambiar el cálculo del Editor de código sobre la marcha según sus necesidades.
Por último, para agilizar el proceso de ciencia de datos y evitar que los usuarios tengan que saltar de la consola a Amazon SageMaker Studio, agregamos la capacidad de ver los trabajos de capacitación y los detalles de los puntos finales en la interfaz de usuario (UI) de SageMaker Studio y habilitamos la capacidad de ver todas las instancias en ejecución en las aplicaciones iniciadas. Además, mejoramos nuestra experiencia de modelos básicos (FM) Jumpstart para que los usuarios puedan descubrir, importar, registrar, ajustar e implementar rápidamente un FM.
Descripción general de la solución
Lanzar IDE
Con la nueva versión de Amazon SageMaker Studio, el servidor JupyterLab se actualiza para brindar tiempos de inicio más rápidos y una experiencia más confiable. SageMaker Studio es ahora una aplicación web multiinquilino desde donde los usuarios no solo pueden iniciar JupyterLab, sino que también tienen la opción de iniciar Visual Studio Code de código abierto (Code-OSS), RStudio y Canvas como aplicaciones administradas. La interfaz de usuario de SageMaker Studio le permite acceder y descubrir recursos de SageMaker y herramientas de aprendizaje automático, como trabajos, puntos finales y canalizaciones, de manera coherente, independientemente del IDE que elija.
SageMaker Studio contiene un espacio privado predeterminado al que solo usted puede acceder y ejecutar en JupyterLab o Code Editor.
También tienes la opción de crear un nuevo espacio en SageMaker Studio Classic, que se compartirá con todos los usuarios de tu dominio.
Flujo de trabajo de aprendizaje automático mejorado
Con la nueva experiencia interactiva, hay mejoras significativas y una simplificación de partes del flujo de trabajo de aprendizaje automático existente de Amazon SageMaker. Específicamente, dentro de Capacitación y Alojamiento hay una experiencia impulsada por la interfaz de usuario mucho más intuitiva para crear nuevos trabajos y puntos finales, al mismo tiempo que proporciona interfaces de monitoreo y seguimiento de métricas.
Capacitación
Para los modelos de capacitación en Amazon SageMaker, los usuarios pueden realizar capacitación de distintos tipos, ya sea a través de un Studio Notebook a través de un trabajo de Notebook, un trabajo de capacitación dedicado o un trabajo de ajuste a través de SageMaker JumpStart. Con la experiencia de interfaz de usuario mejorada, puede realizar un seguimiento de los trabajos de capacitación actuales y pasados utilizando el panel Studio Training.
También puede alternar entre trabajos de capacitación específicos para comprender el rendimiento, la ubicación de los artefactos del modelo y también configuraciones como el hardware y los hiperparámetros detrás de un trabajo de capacitación. La interfaz de usuario también brinda la flexibilidad de poder iniciar y detener trabajos de capacitación a través de la consola.
Alojamiento
También hay una variedad de opciones de alojamiento diferentes dentro de Amazon SageMaker que puede utilizar para la implementación del modelo dentro de la interfaz de usuario. Para crear un punto final de SageMaker, puede ir a la Modelos sección donde puede utilizar modelos existentes o crear uno nuevo.
Aquí puede utilizar un modelo singular para implementar un punto final en tiempo real de Amazon SageMaker o varios modelos para trabajar con las opciones de alojamiento avanzado de SageMaker.
Opcionalmente, para los FM, también puede utilizar el panel JumpStart de Amazon SageMaker para alternar entre la lista de FM disponibles y ajustarlos o implementarlos a través de la interfaz de usuario.
Configuración
La experiencia actualizada de Amazon SageMaker Studio se lanza junto con la experiencia Amazon SageMaker Studio Classic. Puede probar la nueva interfaz de usuario y elegir suscribirse para que la experiencia actualizada sea la opción predeterminada para dominios nuevos y existentes. El documentación enumera los pasos para migrar desde SageMaker Studio Classic.
Conclusión
En esta publicación, le mostramos las funciones disponibles en el nuevo y mejorado Amazon SageMaker Studio. Con la experiencia actualizada de SageMaker Studio, los usuarios ahora tienen la capacidad de seleccionar su IDE preferido respaldado por el cómputo de su elección e iniciar el kernel en segundos, con acceso a las herramientas y recursos de SageMaker a través de la aplicación web SageMaker Studio. La incorporación de detalles de capacitación y puntos finales dentro de SageMaker Studio, así como la mejorada UX de Amazon SageMaker Jumpstart, proporciona una integración perfecta de los pasos de ML dentro de SageMaker Studio UX. Comience a usar SageMaker Studio aquí.
Sobre los autores
Mair Hasco es especialista en IA/ML para Amazon SageMaker Studio. Ayuda a los clientes a optimizar sus cargas de trabajo de aprendizaje automático mediante Amazon SageMaker.
Ram Vegiraju es un arquitecto de aprendizaje automático en el equipo de servicio de SageMaker. Se centra en ayudar a los clientes a crear y optimizar sus soluciones de IA/ML en Amazon SageMaker. En su tiempo libre le encanta viajar y escribir.
Lauren Mullennex es arquitecto senior de soluciones especializado en IA/ML en AWS. Tiene una década de experiencia en DevOps, infraestructura y ML. También es autora de un libro sobre visión por computadora. En su tiempo libre le gusta viajar y hacer senderismo.
Khushboo Srivastava es gerente senior de productos de Amazon SageMaker. Le gusta crear productos que simplifiquen los flujos de trabajo de aprendizaje automático para los clientes y le encanta jugar con su hija de 1 año.