引入 SageMaker Studio 中的 Amazon Q 开发者版以简化机器学习工作流程



今天，我们宣布 Amazon SageMaker Studio 中将推出一项新功能，该功能可简化和加速机器学习（ML）开发生命周期。SageMaker Studio 中的 Amazon Q 开发者版是一款基于生成式人工智能的助手，内置于 SageMaker JupyterLab 体验中。该助手采纳您的自然语言输入，并通过为每项任务推荐最佳工具、提供分步指导、生成入门代码以及在遇到错误时提供故障排除帮助来为您的机器学习开发生命周期制定量身定制的执行计划。当面临挑战时，例如将复杂的机器学习问题转化为较小的任务以及在文档中搜索相关信息时，该助手也很有帮助。

您可能是首次评估 Amazon SagaMaker 的生成式人工智能（生成式 AI）或传统机器学习用例的用户，或者是知道如何使用 SageMaker 但希望进一步提高生产力并缩短见解获取时间的回头客。借助 SageMaker Studio 中的 Amazon Q 开发者版，您可以构建、训练和部署机器学习模型，而无需离开 SageMaker Studio 去文档页面和在线论坛上搜索示例笔记本、代码片段和说明。

现在，让我向你展示 SageMaker Studio 中的 Amazon Q 开发者版的不同功能。

SageMaker Studio 中的 Amazon Q 开发者版入门
在 Amazon SageMaker 控制台中，我转到“管理员配置”下的“域”，然后在域设置下启用 Amazon Q 开发者版。如果你是 Amazon SageMaker 的新用户，请查看 Amazon SageMaker 域概述文档。我从 mytestuser 的“启动”下拉菜单中选择 Studio 来启动 Amazon SageMaker Studio。

当我的环境准备就绪后，我在“应用程序”下选择 JupyterLab，然后选择“打开 JupyterLab”来打开我的 Jupyter Notebook。

生成式人工智能驱动的助手 Amazon Q 开发者版就在我的 Jupyter Notebook 旁边。我现在可以开始使用一些内置命令。

我可以通过用自然语言描述机器学习问题来立即开始与 Amazon Q 开发者版的对话。该助手可以帮助我使用 SageMaker，而不必花时间研究如何使用该工具及其功能。我使用以下提示：

我的 S3 存储桶中有数据。我想使用这些数据训练一个用于预测的 XGBoost 算法。你能列出步骤以及示例代码吗。

Amazon Q 开发者版为我提供分步指导，并生成用于训练 XGBoost 算法进行预测的代码。我可以按照推荐的步骤，轻松地将所需的单元格添加到我的笔记本中。

让我尝试另一个提示来生成用于从 S3 下载数据集并使用 Pandas 读取数据集的代码。我可以用它来构建或训练我的模型。这有助于通过处理重复任务和减少手动工作来简化编码过程。我使用以下提示：

你能编写代码从 S3 下载数据集并使用 Pandas 读取数据集吗？

我也可以让 Amazon Q 开发者版提供调试和修复错误的指导。该助手可以帮助我根据经常看到的错误和解决方案进行故障排除，从而避免了我耗费大量时间进行在线研究和反复试验。我使用以下提示：

在 SageMaker 中运行合并作业以对批处理推断进行模型质量监控时，如何解决“无法推断 JSON 的架构。必需手动指定架构”错误。

最后一个例子是，我让 Amazon Q 开发者版为我提供有关如何安排笔记本作业的建议。我使用以下提示来获得答案：

安排笔记本作业的选项有哪些？

现已推出
您有权访问已正式发布 Amazon SageMaker 的所有区域中的 Amazon Q 开发者版。

该助手适用于所有 Amazon Q 开发者版专业套餐用户。有关定价信息，请访问 Amazon Q 开发者版定价页面。

现在开始使用 SageMaker Studio 中的 Amazon Q 开发者版，在机器学习开发生命周期的任何阶段访问生成式人工智能驱动的助手。

— Esra

*前述特定亚马逊云科技生成式人工智能相关的服务仅在亚马逊云科技海外区域可用，亚马逊云科技中国仅为帮助您了解行业前沿技术和发展海外业务选择推介该服务。