Amazon SageMaker Pipelines kini menyediakan UI drag-and-drop untuk membuat alur kerja ML dengan mudah
Hari ini, kami dengan senang hati mengumumkan ketersediaan umum antarmuka pengguna (UI) drag-and-drop untuk Amazon SageMaker Pipelines. Para ilmuwan data dan teknisi Machine Learning (ML) kini dapat dengan cepat membuat alur kerja AI/ML menyeluruh untuk melatih, menyempurnakan, mengevaluasi, dan menerapkan model tanpa menulis kode.
Pelanggan menggunakan Amazon SageMaker Pipelines untuk mengotomatiskan ribuan alur kerja ML, seperti penyempurnaan berkelanjutan atau eksperimen model dasar yang mendukung beban kerja AI Generatif. Dengan peluncuran ini, para ilmuwan data dan teknisi ML dapat mempercepat perjalanan alur kerja ML tersebut dari prototipe ke produksi karena mereka tidak perlu menulis kode untuk membuat dan mengonfigurasi Amazon SageMaker Pipelines. Mereka cukup menyeret dan meletakkan berbagai langkah (misalnya Tugas Notebook, tugas penyempurnaan LLM, titik akhir inferensi) dan menghubungkannya bersama-sama di UI untuk menyusun alur kerja ML. Pengguna yang telah membuat alur menggunakan Amazon SageMaker Python SDK sekarang dapat mengeditnya di dalam UI.. Kemampuan Amazon SageMaker Pipelines ini memungkinkan pengguna untuk mengulangi alur kerja ML dengan cepat dan menjalankannya dalam skala besar dalam produksi puluhan ribu kali. Para ilmuwan data dan teknisi ML juga dapat memantau dan men-debug semua tugas ML yang diatur melalui alur kerja dalam UI yang sama.
UI drag-and-drop untuk Amazon SageMaker Pipelines tersedia di semua wilayah di mana Amazon SageMaker tersedia kecuali Region Tiongkok dan Region GovCloud (AS). Untuk memulai, lihat panduan pengembang Amazon SageMaker Pipelines.