Veröffentlicht am: Nov 30, 2023
Amazon SageMaker Studio ist eine einzelne webbasierte Oberfläche mit umfassenden Tools für Machine Learning (ML) und einer Auswahl an vollständig verwalteten integrierten Entwicklungsumgebungen (IDEs) für jeden Schritt der ML-Entwicklung, von der Datenaufbereitung bis hin zur Erstellung, Schulung, Bereitstellung und Verwaltung von ML-Modellen. Amazon EFS ist ein einfaches, elastisches Serverless-Dateisystem, mit dem sich Dateispeicher in der AWS Cloud einfach einrichten, skalieren und kostenoptimieren lässt. Wir freuen uns, Ihnen heute eine neue Funktion vorstellen zu können, mit der Sie Ihr eigenes EFS-Volume nutzen können, um auf Ihre großen ML-Datensätze oder gemeinsam genutzten Code von IDEs wie JupyterLab und Code Editor in SageMaker Studio zuzugreifen.
Sie können jetzt bereits vorhandene EFS (Elastic File System)-Volumes mehreren Benutzern in SageMaker innerhalb ihrer IDEs zur Verfügung stellen, damit sie auf gemeinsame Datensätze in einem Dateisystem zugreifen können, ohne dass Daten verschoben werden müssen. Das spart Zeit, Mühe und Kosten.
Auf diese Weise können Sie auch Notebooks, Code und Daten mit Ihren Kollegen teilen, um die Produktivität zu steigern und schneller an Ihren ML-Workflows zusammenzuarbeiten. Darüber hinaus können Sie in verschiedenen Schritten des ML-Workflows, z. B. bei der Modellerstellung und beim Training, auf dasselbe EFS-Volume zugreifen, sodass Sie schnell iterieren und experimentieren können.
Diese Funktion ist in allen Amazon Web Services (AWS)-Regionen verfügbar, in denen Amazon SageMaker Studio derzeit verfügbar ist, mit Ausnahme der Regionen China und AWS GovCloud (USA). Weitere Informationen finden Sie in der Dokumentation zu SageMaker Studio.