Publié le: Nov 30, 2023
Amazon SageMaker Studio est une interface Web centralisée qui offre des outils complets de machine learning et tout un éventail d'environnements de développement intégrés (IDE) entièrement gérés pour mener à bien chaque étape de traitement du machine learning, de la préparation des données à la gestion des modèles en passant par la création, l'entraînement et le déploiement de ces derniers. Amazon EFS est un système de fichiers Elastic, simple, sans serveur et à préréglage absolu. Il vous permet de configurer et de mettre à l'échelle facilement le stockage de fichiers dans le Cloud AWS, ainsi que d'optimiser les coûts associés. Nous sommes ravis de vous annoncer aujourd'hui la sortie d'une nouvelle fonctionnalité grâce à laquelle vous pouvez créer votre propre volume EFS pour accéder à vos grands jeux de données de machine learning et à votre code partagé dans des environnements IDE comme JupyterLab et Code Editor au sein de SageMaker Studio.
Vous pouvez désormais mettre des volumes EFS préexistants à la disposition de plusieurs utilisateurs dans SageMaker au sein de leurs environnements IDE. Ils auront ainsi la possibilité d'accéder à des jeux de données communs sur un système de fichiers sans avoir à déplacer les données, ce qui représente un gain de temps, d'argent et d'énergie.
Grâce à cette fonctionnalité, vous pouvez également partager des blocs-notes, du code et des données avec vos collègues pour augmenter votre productivité et travailler plus vite à plusieurs sur vos flux de travail de machine learning. Accédez au même volume EFS à différentes étapes du flux de travail de machine learning (par exemple la création du modèle et l'apprentissage), de façon à itérer et à expérimenter rapidement.
Cette fonctionnalité est disponible dans toutes les régions Amazon Web Services (AWS) où Amazon SageMaker Studio est actuellement proposé, à l'exception des régions Chine et des régions AWS GovCloud (US). Pour en savoir plus, consultez la documentation relative à SageMaker Studio.