Inicio rápido
Acceda rápidamente a bloc de notas de Jupyter completamente administrados en Studio. Los bloc de notas de SageMaker Studio vienen configurados previamente con entornos de aprendizaje profundo para TensorFlow y PyTorch optimizados para AWS para que pueda comenzar a crear modelos.

Bloc de notas de Jupyter conocidos en la nube
Utilice los bloc de notas de Jupyter y JupyterLab que conoce y en los que confía en el servicio de SageMaker completamente administrado. Olvídese de las complicaciones que supone configurar recursos de computación, actualizar paquetes de ciencia de datos y ML y aplicar revisiones de seguridad. Gracias a las instancias de bloc de notas de SageMaker, se podrá concentrar por completo en el ML, a la vez que mantiene el entorno de computación seguro y actualizado con el software de código abierto más reciente.

Prepare datos a escala
Simplifique los flujos de trabajo de datos con un entorno de bloc de notas unificado para ingeniería de datos, análisis y ML. Cree y busque clústeres de Amazon EMR y sesiones interactivas de AWS Glue y conéctese a estos directamente desde los bloc de notas de SageMaker Studio. Supervise y depure los trabajos de Spark con herramientas conocidas, como Spark UI, directamente desde los bloc de notas. Utilice la capacidad integrada de preparación de datos de Amazon SageMaker Data Wrangler directamente desde los bloc de notas para visualizar los datos, identificar sus problemas de calidad y aplicar las soluciones recomendadas a fin de mejorar la calidad de estos y la precisión del modelo, sin escribir una sola línea de código.

Obtenga el rendimiento y la escala que ofrece AWS
Reduzca el tiempo que se tarda en obtener información a partir de los datos con marcos previamente empaquetados de ciencia de datos y ML optimizados para el rendimiento por AWS. Escale los recursos con la selección más amplia de instancias optimizadas para computación y aceleradas por GPU en la nube. Utilice el SDK de Python integrado de SageMaker para entrenar e implementar modelos en SageMaker. Obtenga registros de Jupyter en Amazon CloudWatch para realizar un seguimiento de eventos y métricas, detectar comportamientos anómalos, configurar alarmas y detectar patrones de uso.

Computación elástica
Escale o desescale verticalmente los recursos de computación subyacentes y utilice el almacenamiento persistente compartido para cambiar de computación, todo ello sin interrumpir el trabajo. Elija entre la más amplia selección de recursos de computación que AWS ofrece, incluidas las instancias de GPU más potentes para ML.

Inspírese
¿Busca ideas sobre cómo crear? La instancia de bloc de notas contiene más de 200 bloc de notas de ejemplo proporcionados por SageMaker, junto con código que muestra cómo aplicar soluciones de ML mediante SageMaker.

Conversión automática del código del bloc de notas en trabajos listos para la producción
Después de seleccionar un bloc de notas, SageMaker Studio tomará una instantánea de todo el bloc de notas, empaquetará sus dependencias en un contenedor, creará la infraestructura, ejecutará el bloc de notas como un trabajo automatizado según una programación establecida por el profesional y desaprovisionará la infraestructura una vez finalizado el trabajo, con lo que el tiempo necesario para trasladar un bloc de notas a la fase de producción se reduce de semanas a horas. 

Diseñado para equipos de trabajo
Configure el acceso del equipo de trabajo a los bloc de notas de SageMaker Studio mediante AWS IAM Identity Center (sucesor de AWS Single Sign-on). Cree entornos independientes para que los administradores de la plataforma y los responsables de la empresa supervisen los costos y el uso de SageMaker Studio. Cree espacios compartidos en los que los equipos de trabajo puedan leer, editar y ejecutar bloc de notas conjuntamente y en tiempo real para agilizar la colaboración y la comunicación. Los miembros del equipo pueden revisar juntos los resultados para comprender inmediatamente el rendimiento de un modelo sin tener que pasar información de un lado a otro. Gracias a la compatibilidad integrada con servicios como BitBucket y AWS CodeCommit, los equipos de trabajo pueden administrar fácilmente diferentes versiones de bloc de notas y comparar los cambios a lo largo del tiempo. Todos los recursos se etiquetan automáticamente, lo que facilita la supervisión de costos y la planificación de presupuestos mediante herramientas como AWS Budgets y el Explorador de costos de AWS.

Personalizable
Utilice en SageMaker Studio un entorno de desarrollo de bloc de notas propio mediante una imagen de Docker personalizada. Utilice las configuraciones del ciclo de vida para automatizar y personalizar los entornos de bloc de notas para el equipo de trabajo. Por ejemplo, puede instalar paquetes personalizados y extensiones de bloc de notas, precargar conjuntos de datos y automatizar la parada de instancias inactivas.