Cuadernos de Amazon SageMaker en JupyterLab

Cuadernos completamente administrados en JupyterLab para explorar datos y crear modelos de ML

¿Qué son los cuadernos de SageMaker?

Inicie JupyterLab completamente administrado desde Amazon SageMaker Studio en cuestión de segundos. Utilice el entorno de desarrollo integrado (IDE) para cuadernos, código y datos. Puede utilizar los cuadernos colaborativos de inicio rápido del IDE para acceder a herramientas de ML diseñadas específicamente en SageMaker y otros servicios de AWS para su desarrollo completo de ML, desde la preparación de datos a escala de petabytes con Spark en Amazon EMR hasta el entrenamiento y la depuración de modelos, la implementación, la supervisión de modelos y la gestión de canalizaciones, todo en una interfaz visual basada en la web. Aumente o reduzca fácilmente los recursos de computación sin interrumpir el trabajo.

Beneficios de los cuadernos de SageMaker

Lance un JupyterLab completamente administrado en cuestión de segundos en Amazon SageMaker Studio. SageMaker Studio viene preconfigurado con la distribución de SageMaker que contiene paquetes populares para ML, incluidos marcos de aprendizaje profundo como PyTorch, TensorFlow y Keras; al igual que paquetes populares de Python como NumPy, scikit-learn y panda.
Escale o desescale verticalmente los recursos de computación con la selección más amplia de instancias optimizadas para computación y aceleradas por GPU en la nube.
Use el complemento de codificación y las herramientas de seguridad con IA generativa para escribir código de alta calidad más rápido. Genere, depure y explique el código fuente con Amazon CodeWhisperer y analice la seguridad y la calidad del código con Amazon CodeGuru.
Cree flujos de trabajo de análisis y ML unificados en el mismo cuaderno. Ejecute trabajos interactivos de Spark en la infraestructura sin servidor de Amazon EMR y AWS Glue, directamente desde su cuaderno. Monitoree y depure los trabajos más rápidamente con la interfaz de usuario de Spark integrada. Automatice fácilmente la preparación de datos mediante la programación del cuaderno como un trabajo con unos pocos pasos.

Desarrolle ML a escala

Quick Start

Inicie JupyterLab completamente administrado en Studio en cuestión de segundos. SageMaker Studio viene preconfigurado con una distribución de SageMaker prediseñada que contiene paquetes populares para ML, incluidos marcos de aprendizaje profundo como PyTorch, TensorFlow y Keras; paquetes populares de Python como NumPy, scikit-learn y panda para ayudarlo a comenzar a crear modelos.

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.

Aumente la productividad del desarrollo de ML

Preparación de datos

Simplifique sus flujos de trabajo de datos con un entorno unificado. Cree, explore y conéctese a clústeres de Amazon EMR y sesiones interactivas de AWS Glue directamente desde JupyterLab. Utilice la capacidad de preparación de datos integrada para visualizar los datos y mejorar su calidad.

Trabajos de cuadernos

Puede usar los trabajos del cuaderno de SageMaker para crear un trabajo no interactivo que se ejecute a petición o mediante una programación. Utilice una interfaz de usuario intuitiva o el SDK de Python de SageMaker para programar sus trabajos directamente desde JupyterLab. Después de seleccionar un cuaderno, el cuaderno de SageMaker tomará una instantánea de todo el cuaderno, empaquetará sus dependencias en un contenedor, creará la infraestructura, ejecutará el cuaderno como un trabajo automatizado según una programación establecida por el profesional y desaprovisionará la infraestructura una vez finalizado el trabajo. Los trabajos del cuaderno de SageMaker también están disponibles como un paso nativo en las canalizaciones de Amazon SageMaker, lo que le permite automatizar sus cuadernos y convertirlos en flujos de trabajo de varios pasos con dependencias para el despliegue de CI/CD en unas pocas líneas de código.

Herramientas basadas en IA

Amazon Q Developer ofrece instrucciones prácticas sobre las características de SageMaker, asistencia para la generación de código y soporte para la resolución de problemas en el entorno de JupyterLab. Simplemente formule sus preguntas en lenguaje natural, como, por ejemplo, “¿Cómo puedo implementar mi modelo en un punto de enlace de SageMaker para realizar inferencias en tiempo real?”, y Amazon Q Developer brindará instrucciones paso a paso y código para que pueda comenzar. Si encuentra errores durante la ejecución del código, Amazon Q Developer puede ayudar. Simplemente pídale que corrija el error y brindará pasos detallados para depurar y resolver el problema.