Fitur Amazon SageMaker Studio

Lakukan pengembangan ML ujung ke ujung dengan IDE terkelola penuh

JupyterLab

Luncurkan JupyterLab yang terkelola penuh dalam hitungan detik. Gunakan lingkungan pengembangan interaktif berbasis web terbaru untuk notebook, kode, dan data. Antarmukanya yang fleksibel dan dapat diperluas memungkinkan Anda mengonfigurasi alur kerja machine learning (ML) dengan mudah. Dapatkan bantuan yang didukung AI untuk pembuatan kode, pemecahan masalah, dan panduan ahli untuk mempercepat pengembangan ML Anda—semuanya dalam lingkungan notebook Anda.

JupyterLab

Code Editor, berdasarkan Code-OSS

Gunakan editor kode yang ringan dan kuat, serta tingkatkan produktivitas dengan pintasan, terminal, debugger, dan alat pemfaktoran ulang yang sudah dikenal. Pilih dari ribuan ekstensi yang kompatibel dengan Visual Studio Code, yang tersedia di galeri ekstensi Open VSX untuk meningkatkan pengalaman pengembangan Anda. Aktifkan kontrol versioning dan kolaborasi lintas tim melalui repositori GitHub. Gunakan kerangka kerja ML paling populer siap pakai dengan distribusi SageMaker AI yang telah dikonfigurasi sebelumnya. Integrasikan secara lancar dengan layanan AWS melalui AWS Toolkit for Visual Studio Code, termasuk akses bawaan ke sumber data AWS, seperti Amazon Simple Storage Service (Amazon S3) dan Amazon Redshift, serta tingkatkan efisiensi pengodean melalui saran berbasis obrolan dan kode inline yang ditenagai oleh Amazon Q Developer.

Code Editor, berdasarkan Code-OSS

RStudio

Gunakan lingkungan pengembangan terintegrasi (IDE) terkelola penuh untuk R dengan konsol; editor penyorotan sintaksis, yang mendukung eksekusi kode langsung, serta alat untuk plotting, riwayat, debugging, dan manajemen ruang kerja. Gunakan paket R yang telah dikonfigurasi sebelumnya seperti devtools, tidyverse, shiny, dan rmarkdown untuk menghasilkan wawasan, serta menerbitkannya menggunakan RStudio Connect. Anda dapat beralih tanpa hambatan dalam IDE RStudio, JupyterLab, dan Code Editor untuk R dan pengembangan Python. 

RStudio

Akses dan evaluasi FM

Mulai pengembangan AI generatif dengan cepat menggunakan ratusan FM yang tersedia untuk umum dan solusi bawaan yang dapat di- deploy hanya dalam beberapa langkah dari Amazon SageMaker JumpStart. Evaluasi, bandingkan, dan pilih FM terbaik untuk kasus penggunaan Anda dengan cepat berdasarkan berbagai kriteria, seperti akurasi, ketahanan, toksisitas, dan bias dalam hitungan menit, menggunakan Amazon SageMaker Clarify. Mulai evaluasi FM menggunakan set data perintah terkurasi atau perluas evaluasi dengan kumpulan data perintah kustom Anda sendiri. Evaluasi manusia dapat digunakan untuk dimensi yang lebih subjektif, seperti kreativitas dan gaya.
Akses dan evaluasi FM

Memproses data sesuai skala

Sederhanakan alur kerja data Anda dengan lingkungan terpadu untuk rekayasa data, analitik, dan ML. Jalankan pekerjaan Spark secara interaktif menggunakan lingkungan Spark nirserver Amazon EMR dan AWS Glue, dan pantau pekerjaan tersebut menggunakan UI Spark. Gunakan kemampuan persiapan data bawaan untuk memvisualisasikan data, mengidentifikasi masalah kualitas data, dan menerapkan solusi yang direkomendasikan untuk meningkatkan kualitas data. Otomatiskan alur kerja persiapan data Anda dengan cepat dengan menjadwalkan notebook Anda sebagai pekerjaan dalam beberapa langkah. Simpan, bagikan, dan kelola fitur model ML di tempat penyimpanan fitur pusat.

Memproses data sesuai skala

Latih model secara cepat dengan performa yang dioptimalkan

Amazon SageMaker AI menawarkan pustaka pelatihan terdistribusi dan alat bawaan performa tinggi untuk mengoptimalkan performa model. Anda dapat secara otomatis menyetel model dan memvisualisasikan serta memperbaiki masalah performa sebelum melakukan deployment model ke produksi.

Latih model secara cepat dengan performa yang dioptimalkan

Lakukan deployment model untuk performa dan biaya inferensi yang optimal

Lakukan deployment model Anda dengan berbagai pilihan infrastruktur ML dan opsi deployment untuk membantu memenuhi kebutuhan inferensi ML Anda. SageMaker AI dikelola sepenuhnya dan terintegrasi dengan alat MLOps sehingga Anda dapat menskalakan deployment model, mengurangi biaya inferensi, mengelola model secara lebih efektif dalam produksi, dan mengurangi beban operasional.

Lakukan deployment model untuk performa dan biaya inferensi yang optimal 

Hadirkan model ML produksi beperforma tinggi

SageMaker AI menyediakan MLOps dan alat tata kelola yang dibangun khusus untuk membantu Anda mengotomatisasi, menstandardisasi, dan menyederhanakan proses dokumentasi di seluruh siklus hidup ML. Dengan menggunakan alat MLOps SageMaker AI, Anda dapat dengan mudah melatih, menguji, menyelesaikan masalah, men-deploy, dan mengatur model ML dalam skala besar sekaligus mempertahankan performa model yang sedang diproduksi.

Hadirkan model ML produksi beperforma tinggi

Dapatkan bantuan yang ditenagai AI generatif

Tingkatkan kecepatan pengembangan ML Anda dengan bantuan AI yang ditenagai oleh Amazon Q Developer di JupyterLab dan Code Editor. Gunakan saran kode inline Amazon Q Developer dan bantuan berbasis obrolan untuk mendapatkan panduan cara, dukungan pengodean, dan langkah-langkah pemecahan masalah sesuai permintaan. Mulai dengan cepat dan tingkatkan produktivitas Anda dengan alat canggih ini di ujung jari Anda.

Dapatkan bantuan AI generatif

Percepat pengembangan ML dan AI generatif

Aplikasi AI dari partner AWS sekarang tersedia di Amazon SageMaker AI dan Amazon SageMaker Unified studio. Temukan, deploy, dan gunakan aplikasi AI ini dalam SageMaker. Pengalaman yang lancar dan terkelola penuh tanpa infrastruktur yang perlu disediakan atau dioperasikan. Semua dalam keamanan dan privasi lingkungan SageMaker Anda.

Pelajari aplikasi AI Partner Amazon SageMaker selengkapnya

image