Memperkenalkan onboarding satu klik dari set data yang ada ke Amazon SageMaker
Amazon SageMaker memperkenalkan onboarding satu klik dari set data AWS yang ada ke Studio Terpadu Amazon SageMaker. Ini membantu pelanggan AWS untuk mulai bekerja dengan data mereka dalam hitungan menit, menggunakan peran dan izin AWS Identity and Access Management (IAM) yang ada. Pelanggan dapat mulai bekerja dengan data apa pun yang mereka akses menggunakan notebook nirserver baru dengan agen AI bawaan. Notebook baru ini, yang mendukung SQL, Python, Spark atau bahasa alami, memberi insinyur data, analis, dan ilmuwan data satu antarmuka berkinerja tinggi untuk mengembangkan dan menjalankan kueri dan kode SQL. Pelanggan juga memiliki akses ke banyak alat lain yang ada seperti Editor Kueri untuk analisis SQL, IDE JupyterLab, Visual ETL dan alur kerja, dan kemampuan machine learning (ML). Kemampuan ML mencakup kemampuan untuk menemukan model dasar dari hub model terpusat, menyesuaikannya dengan notebook sampel, menggunakan MLFlow untuk eksperimen, menerbitkan model terlatih di hub model untuk penemuan, dan men-deploy-nya sebagai titik akhir inferensi untuk prediksi.
Pelanggan dapat memulai langsung dari halaman konsol Amazon SageMaker, Amazon Athena, Amazon Redshift, dan Tabel Amazon S3, memberi mereka jalur cepat dari alat dan data yang ada ke pengalaman sederhana di SageMaker Unified Studio. Setelah mengklik 'Memulai' dan menentukan peran IAM, SageMaker meminta pembaruan kebijakan tertentu dan kemudian secara otomatis membuat proyek di SageMaker Unified Studio. Proyek ini diatur dengan semua izin data yang ada dari Katalog Data AWS Glue, AWS Lake Formation, dan Amazon S3, dan notebook dan komputasi nirserver telah dikonfigurasi sebelumnya untuk mempercepat penggunaan pertama.
Untuk memulai, cukup klik “Mulai” dari konsol SageMaker atau buka SageMaker Unified Studio dari Amazon Athena, Amazon Redshift, atau Tabel Amazon S3. Onboarding satu klik dari set data yang ada tersedia di semua Regiontempat Studio Terpadu Amazon SageMaker didukung. Untuk mempelajari lebih lanjut, baca Blog Berita AWS atau kunjungi dokumentasi Amazon SageMaker.