Publicado en: Nov 29, 2023
Nos complace anunciar la disponibilidad general de una experiencia para desarrolladores simplificada para las Canalizaciones de Amazon SageMaker. El SDK para Python mejorado le permite crear flujos de trabajo de machine learning (ML) rápidamente con una sintaxis de Python conocida. Entre las características clave del SDK, se incluyen un nuevo decorador de Python (@step) para pasos personalizados, un tipo de paso de Notebook Jobs y un programador de flujos de trabajo.
El desarrollo de ML a menudo comienza con un código Python monolítico para la experimentación en su entorno de desarrollo local (p. ej. cuadernos de Jupyter) antes de decidir automatizar la ejecución mediante pasos de canalización desacoplados. Con la nueva experiencia para desarrolladores de las Canalizaciones de Amazon SageMaker, puede convertir su código de ML en un gráfico acíclico dirigido (DAG) automatizado de varios pasos de ML en unos minutos. Para crear un flujo de trabajo de ML, anote las funciones de Python existentes con los decoradores '@step' y pase el último paso a la API de creación de canalizaciones. Amazon SageMaker interpretará automáticamente las dependencias entre las funciones de Python anotadas, creará pasos de canalización personalizados para cada una de ellas y generará el DAG de canalización. Si su código de ML está repartido en varios cuadernos de Python, puede encadenarlos para organizar un flujo de trabajo de tareas de cuaderno. Más adelante, si quiere ejecutar automáticamente el flujo de trabajo de forma recurrente, puede configurar un programa de ejecución mediante una única llamada a una función en el nuevo SDK de Python.
Para comenzar, cree un flujo de trabajo de ML con uno de los cuadernos de muestra prediseñados en GitHub y visualícelo en la interfaz de usuario de Amazon SageMaker Studio. Visite la guía para desarrolladores de las Canalizaciones de Amazon SageMaker para obtener información adicional.