Publicado en: Nov 30, 2023
Amazon SageMaker Studio es una interfaz única basada en la web con herramientas integrales de machine learning (ML) y una selección de entornos de desarrollo integrados (IDE) totalmente administrados para llevar a cabo cada paso del desarrollo de ML, desde la preparación de datos hasta la creación, el entrenamiento, la implementación y la administración de modelos de ML. Amazon Elastic File System es un sistema de archivos elástico, sencillo y sin servidor que, una vez configurado no requiere de acciones adicionales, y que facilita la configuración, el escalado y la optimización de costos del almacenamiento de archivos en la nube de AWS. Nos complace anunciar una nueva función que le permite disponer de su propio volumen de Elastic File System para acceder a grandes conjuntos de datos de ML o código compartido desde IDE como JupyterLab y el editor de código de SageMaker Studio.
Ahora puede hacer que los volúmenes de Elastic File System preexistentes estén disponibles para varios usuarios en SageMaker dentro de sus IDE para permitirles acceder a conjuntos de datos comunes en un sistema de archivos sin necesidad de mover datos, lo que ahorra tiempo, esfuerzo y costos.
Con esto, también puede compartir cuadernos, código y datos con sus colegas para aumentar la productividad y colaborar más rápido en sus flujos de trabajo de ML. Además, puede acceder al mismo volumen de Elastic File System en diferentes pasos del flujo de trabajo de ML, como la creación y el entrenamiento de modelos, lo que le permite iterar y experimentar rápidamente.
Esta función está disponible en todas las regiones de Amazon Web Services (AWS) en las que Amazon SageMaker Studio está disponible actualmente, excepto en China y las regiones de AWS GovCloud (EE. UU.). Para obtener más información, consulte la documentación de SageMaker Studio.