Amazon SageMaker Pipelines bietet jetzt eine Drag-and-Drop-Benutzeroberfläche, mit der Sie einfach ML-Workflows erstellen können
Wir freuen uns, heute die allgemeine Verfügbarkeit einer Drag-and-Drop-Benutzeroberfläche für Amazon SageMaker Pipelines bekannt geben zu können. Datenwissenschaftler und Machine Learning (ML)-Engineers können jetzt schnell einen durchgängigen KI/ML-Workflow erstellen, um Modelle zu trainieren, zu verfeinern, zu bewerten und bereitzustellen, ohne Code schreiben zu müssen.
Amazon SageMaker Pipelines wird für die Automatisierung von ML-Workflows eingesetzt, z. B. die kontinuierliche Feinabstimmung oder das Experimentieren mit Basismodellen, auf denen generative KI-Workloads basieren. Mit dem Launch können Datenwissenschaftler und ML-Engineers die Entwicklung der ML-Workflows vom Prototyp zur Produktion beschleunigen, weil sie bei der Erstellung und Konfiguration von Amazon SageMaker Pipelines keinen Code schreiben müssen. Sie können verschiedene Schritte (z. B. Notebook-Aufgaben, LLM-Feinabstimmungsaufgaben, Inferenz-Endpunkte) per Drag-and-Drop verschieben und diese in der Benutzeroberfläche zu einem ML-Workflow verbinden. Benutzer, die mit Amazon SageMaker Python SDK bereits eine Pipeline erstellt haben, können diese jetzt innerhalb der Benutzeroberfläche bearbeiten. Die Funktion von Amazon SageMaker Pipelines ermöglicht Benutzern, ihre ML-Workflows schnell zu iterieren und in der Produktion maßstabsgerecht zehntausende Male auszuführen. Datenwissenschaftler und ML-Engineers können auch alle ML-Aufgaben überwachen und debuggen, die über die Workflows innerhalb derselben Benutzeroberfläche orchestriert werden.
Die Drag-and-Drop-Benutzeroberfläche für Amazon SageMaker Pipelines ist in allen Regionen verfügbar, in denen Amazon SageMaker verfügbar ist, mit Ausnahme von Regionen in China und GovCloud (USA)-Regionen. Informationen zum Einstieg finden Sie im Entwicklerhandbuch zu Amazon SageMaker Pipelines.