本指南演示如何使用 Amazon SageMaker Unified Studio 创建统一的开发体验,用于构建、部署、执行和监控跨 AWS 数据、分析和 AI/ML 服务的端到端工作流。通过展示 SageMaker Unified Studio 的功能,该指南可帮助您简化从摄取到产品部署的数据操作。该指南还说明这种集成方法如何提高效率、降低复杂性并提供对各种 AWS 服务的全面控制,最终简化复杂数据工作流程的管理。

请注意:[免责声明]

架构图

下载架构图 PDF 
  • 概览
  • 此架构图显示 Amazon SageMaker Unified Studio 如何为机器学习和数据工程师、数据管理人员和生成式人工智能开发人员提供统一的协作体验,以加速从探索到生产的数据应用程序。

  • 生成式人工智能湖仓
  • 该架构图显示 Amazon SageMaker Unified Studio 如何在统一门户中使用 Lakehouse 架构、基于 Web 的生成式人工智能工作室和编排工具,为销售预测提供协作式数据工程和分析体验。

  • 协作模型部署
  • 该架构图显示 Amazon SageMaker Unified Studio 如何帮助机器学习工程师在统一门户中使用 Amazon SageMaker、SageMaker JumpStart 和 SageMaker Workflows 协作开发、评估和部署销售预测模型。

Well-Architected 支柱

当您在云中构建系统时,AWS Well-Architected Framework 可以帮助您了解所做决策的利弊。框架的六大支柱使您能够学习设计和操作可靠、安全、高效、经济高效且可持续的系统的架构最佳实践。使用 AWS 管理控制台中免费提供的 AWS Well-Architected Tool,您可以通过回答每个支柱的一组问题,根据这些最佳实践来检查您的工作负载。

上面的架构图是按照 Well-Architected 最佳实践创建的解决方案示例。要做到完全的良好架构,您应该遵循尽可能多的 Well-Architected 最佳实践。

  • SageMaker Unified Studio 集成团队协作、Git、分析服务和 AI/ML 服务,以提供统一的数据开发体验。这会创建集中式操作控制面板,用于协作和执行数据产品的端到端数据摄取、准备和部署。通过支持协作并提供统一的开发人员体验,SageMaker Unified Studio 可帮助您进行运营设计,实现数据服务集成和部署的完全自动化。

    阅读《卓越运营》白皮书 
  • SageMaker Unified Studio 通过部署的 Web 域提供单点登录体验,这些域可以联合到 IAM Identity Center 等 IdP。您可以针对用户和群组实施访问控制策略,以便使用最低权限访问项目、数据和模型。通过将 SageMaker Unified Studio 域与联合 IdP 结合使用,您可以创建控制的逻辑分离,为您的组织定义权限护栏。这样,通过对访问控制的持续监控和微调,实现基于生命周期的访问管理。

    阅读《安全性》白皮书 
  • SageMaker Unified Studio 统一数据摄取、存储和分析服务,包括 Amazon S3Amazon Redshift,为您的数据操作建立可靠的控制面板。您可以利用这些底层服务和工具,通过统一的 Web 体验在服务级别创建容错能力。SageMaker Unified Studio 界面可简化数据和分析服务的编排,从而更轻松地监控和控制数据工作负载。这可降低协调和管理单个服务的复杂性,以便更容易在单个 Web 界面中检测故障和实现恢复。

    阅读《可靠性》白皮书 
  • Amazon Q 开发者版使用生成式人工智能提供代码建议,从而降低开发的复杂性和工作量。SageMaker 提供对预训练模型的访问权限,并简化针对特定用例进行训练、验证和部署模型的过程。通过使用这些工具,您可以加快开发速度,并实施代码建议和模型部署,而无需管理复杂的底层 AI/ML 技术。

    阅读《性能效率》白皮书 
  • SageMaker Unified Studio 通过统一端到端开发流程,帮助您为数据工作负载选择合适的资源。它可以快速部署以及停用数据和分析服务,从而帮助控制与数据产品开发相关的成本。通过降低开发和部署的复杂性,SageMaker Unified Studio 可以帮助您更有效地管理服务。这可以降低数据传输成本、改进工作负载性能分析,以及改善动态资源分配。

    阅读《成本优化》白皮书 
  • 除数据访问和生命周期控制以外,SageMaker Unified Studio 底层的托管服务还提供按需扩展。这种更便捷的数据访问和控制有助于持续监控使用情况,有助于减少数据操作的影响,并创建更高效的工作负载。因此,您可以更好地预测和控制使用情况,在不为未来需求预留资源的情况下扩大需求。

    阅读《可持续性》白皮书 
[内容类型]

[标题]

此[博客文章/电子书/指南/示例代码]演示了如何 [插入简短描述]。

免责声明

示例代码;软件库;命令行工具;概念验证;模板;或其他相关技术(包括由我方人员提供的任何前述项)作为 AWS 内容按照《AWS 客户协议》或您与 AWS 之间的相关书面协议(以适用者为准)向您提供。您不应将这些 AWS 内容用在您的生产账户中,或用于生产或其他关键数据。您负责根据特定质量控制规程和标准测试、保护和优化 AWS 内容,例如示例代码,以使其适合生产级应用。部署 AWS 内容可能会因创建或使用 AWS 可收费资源(例如,运行 Amazon EC2 实例或使用 Amazon S3 存储)而产生 AWS 费用。

本指南中提及第三方服务或组织并不意味着 Amazon 或 AWS 与第三方之间存在认可、赞助或从属关系。AWS 的指南是一个技术起点,您可以在部署架构时自定义与第三方服务的集成。

此页内容对您是否有帮助?