Veröffentlicht am: Oct 27, 2020
Amazon SageMaker Studio ist die erste integrierte Entwicklungsumgebung (Integrated Development Environment, IDE) für Machine Learning (ML). Mit einem einzigen Mausklick können Daten-Wissenschaftler und Entwickler SageMaker Studio Notebooks schnell in Betrieb nehmen, um Datasets zu untersuchen und Modelle zu erstellen. Ab heute können Sie SageMaker Studio Notebooks mit Ihren eigenen Images starten.
SageMaker Studio Notebooks stellt eine Reihe von integrierten Images für beliebte Datenwissenschafts- und ML-Frameworks und Optionen zur Berechnung von Notebooks bereit. Die integrierten SageMaker-Images enthalten das Amazon SageMaker Python SDK und die neueste Version des Backend-Laufzeitprozesses, auch Kernel genannt. Ab heute können Sie benutzerdefinierte Images und Kernel registrieren und sie allen Benutzern einer SageMaker Studio-Domäne zur Verfügung stellen. Sie können damit beginnen, eine der von SageMaker bereitgestellten Docker-Beispieldateien zu klonen und zu erweitern, oder Sie können Ihre eigenen Images von Grund auf neu erstellen.
Sie können Notebooks mit bestimmten Versionen von beliebten ML-Frameworks wie Tensorflow, MxNet, PyTorch hochfahren. Sie können andere Kernel als IPython wie R, Julia und Scala verwenden. Sie können die Notebook-Umgebung auch mit proprietären Paketen und Bibliotheken anpassen, um benutzerdefinierte Trainingsskripts auszuführen oder den Zugriff auf Ihre Data Lakes oder On-Premise-Datenspeicher zu ermöglichen. Die Funktion ist jetzt in allen AWS-Regionen verfügbar, in denen Amazon SageMaker Studio verfügbar ist. Zum Einstieg empfehlen wir die folgende Ressourcenliste: