Veröffentlicht am: Apr 14, 2021
Amazon SageMaker Studio ist die erste integrierte Entwicklungsumgebung (Integrated Development Environment, IDE) für Machine Learning (ML). SageMaker Studio bietet eine einzige webbasierte visuelle Oberfläche, über die Sie alle ML-Entwicklungsschritte ausführen können, die zum Vorbereiten von Daten sowie zum Erstellen, Trainieren und Bereitstellen von Modellen erforderlich sind. Mit einem einzigen Mausklick können Daten-Wissenschaftler und ML-Entwickler SageMaker-Studio-Notebooks zur Untersuchung von Datensätzen und zum Build von Modellen schnell in Betrieb nehmen. Jetzt können Sie benutzerdefinierte Ressourcen-Tags verwenden, um die Kosten von SageMaker Studio-Notebooks nach Benutzern, Gruppen, Geschäftsbereichen oder Kostenstellen zu verfolgen und zu kategorisieren.
Ein Tag ist eine Bezeichnung, die Sie oder AWS einer AWS-Ressource zuweisen. Mit Tags können Sie Ihre Ressourcen nach Benutzern, Abteilungen oder Kostenstellen organisieren und Ihre AWS-Kosten auf einer detaillierten Ebene verfolgen. Die Kostenzuordnungs-Tags können für die Kategorisierung von Kosten in AWS Cost Explorer und AWS-Kosten- und Nutzungsberichte (AWS CUR) verwendet werden. In SageMaker Studio können Sie sowohl der SageMaker-Studio-Domain als auch den Benutzern, denen Zugriff auf die Domain gewährt wird, eigene Tags zuweisen. Ab heute kopiert SageMaker Studio diese Tags automatisch und ordnet sie den von den Anwendern erstellten SageMaker-Studio-Notebooks zu, sodass Sie die Kosten von SageMaker-Studio-Notebooks leicht nachverfolgen und kategorisieren und Kostenverrechnungsmodelle für Ihr Unternehmen erstellen können.
Die automatisierte Tagging-Funktion ist jetzt in allen AWS-Regionen verfügbar, in denen Amazon SageMaker Studio verfügbar ist. Die SageMaker Studio-Domain und -Benutzer können mithilfe von AWS CLI, AWS SDK und AWS-CloudFormation-Vorlagen für SageMaker Studio getaggt werden. Sie erfahren mehr über SageMaker Studio im SageMaker-Benutzerhandbuch.