Notebook Amazon SageMaker di JupyterLab

Notebook terkelola penuh di JupterLab untuk menjelajahi data dan membangun model ML
Luncurkan JupyterLab di SageMaker Studio

Apa itu notebook SageMaker?

Luncurkan JupyterLab yang terkelola penuh dari Amazon SageMaker Studio dalam hitungan detik. Gunakan lingkungan pengembangan terintegrasi (IDE) untuk notebook, kode, dan data. Anda dapat menggunakan notebook mulai cepat kolaboratif di IDE untuk mengakses alat ML yang dibangun khusus di SageMaker dan layanan AWS lainnya untuk pengembangan ML lengkap Anda, mulai dari menyiapkan data pada skala petabita menggunakan Spark di Amazon EMR, hingga model pelatihan dan debugging, melakukan deployment dan memantau model, serta mengelola pipeline, semuanya dalam satu antarmuka visual berbasis web. Panggil atau turunkan sumber daya komputasi dengan mudah tanpa mengganggu pekerjaan Anda.

Manfaat notebook SageMaker

Luncurkan JupyterLab terkelola penuh dalam hitungan detik di Amazon SageMaker Studio. SageMaker Studio hadir dengan konfigurasi awal distribusi SageMaker yang berisi kemasan populer untuk ML, termasuk kerangka kerja deep learning, seperti PyTorch, TensorFlow, dan Keras, serta paket Python populer, seperti NumPy, scikit-learn, dan pandas.
Naikkan atau turunkan skala sumber daya komputasi Anda dengan pilihan terluas dari instans komputasi yang dioptimalkan dan yang diakselerasi GPU di cloud.
Gunakan pendamping pengodean yang didukung AI generatif dan alat keamanan untuk menulis kode berkualitas tinggi lebih cepat. Buat, debug, dan jelaskan kode sumber dengan Amazon CodeWhisperer, serta lakukan pemindaian keamanan dan kualitas kode dengan Amazon CodeGuru.
Bangun alur kerja analitik dan ML terpadu di notebook yang sama. Jalankan tugas Spark interaktif di Amazon EMR dan infrastruktur nirserver AWS Glue, langsung dari notebook Anda. Pantau dan debug tugas lebih cepat menggunakan UI Spark inline. Otomatiskan persiapan data Anda dengan mudah dengan menjadwalkan notebook sebagai pekerjaan dalam beberapa langkah sederhana.

Bangun ML dalam skala besar

Mulai cepat

Luncurkan JupyterLab terkelola penuh di Studio dalam hitungan detik. SageMaker Studio sebelumnya dikonfigurasi dengan distribusi SageMaker prabangun yang berisi kemasan populer untuk ML, termasuk kerangka kerja deep learning seperti PyTorch, TensorFlow, dan Keras; paket Python populer seperti NumPy, scikit-learn, dan panda untuk membantu Anda memulai pembuatan model.

Komputasi elastis

Naikkan atau turunkan skala sumber daya komputasi dasar Anda, dan gunakan penyimpanan persisten bersama untuk mengalihkan komputasi, semuanya dilakukan tanpa mengganggu pekerjaan Anda. Pilih dari pilihan sumber daya komputasi terluas yang ditawarkan oleh AWS, termasuk instans GPU paling kuat untuk ML.

Tingkatkan produktivitas pengembangan ML

Persiapan data

Sederhanakan alur kerja data Anda dengan lingkungan terpadu. Buat, jelajahi, dan hubungkan dengan klaster Amazon EMR serta AWS Glue Interactive Sessions secara langsung dari JupyterLab. Gunakan kemampuan persiapan data bawaan untuk memvisualisasikan data dan meningkatkan kualitas data.

Tugas notebook

Anda dapat menggunakan tugas notebook SageMaker untuk membuat tugas noninteraktif yang akan dijalankan sesuai permintaan maupun sesuai jadwal. Gunakan antarmuka pengguna yang intuitif atau SageMaker Python SDK untuk menjadwalkan tugas Anda langsung dari JupyterLab. Setelah notebook dipilih, notebook SageMaker mengambil sebuah snapshot dari seluruh notebook, mengemas dependensinya dalam kontainer, membangun infrastruktur, menjalankan notebook sebagai tugas otomatis dengan jadwal yang diatur oleh praktisi, serta menghapus infrastruktur setelah tugas selesai. Tugas notebook SageMaker juga tersedia sebagai langkah native di Amazon SageMaker Pipelines agar Anda dapat mengotomatisasi notebook menjadi alur kerja multilangkah dengan dependensi untuk deployment CI/CD dalam beberapa baris kode.

Alat yang ditenagai AI

Amazon CodeWhisperer adalah pendamping pengodean AI yang menghasilkan saran kode waktu nyata. Dengan CodeWhisperer, Anda dapat menulis komentar dalam bahasa alami yang menguraikan tugas tertentu, seperti “Buat kerangka data panda menggunakan file CSV”, dan CodeWhisperer merekomendasikan satu atau lebih cuplikan kode langsung di notebook yang dapat menyelesaikan tugas. Keamanan Amazon CodeGuru membantu pengguna notebook dalam mendeteksi kerentanan keamanan seperti kelemahan injeksi, kebocoran data, kriptografi yang lemah, atau enkripsi yang hilang di dalam sel notebook. Ketika kerentanan atau masalah kualitas teridentifikasi, CodeGuru menghasilkan rekomendasi untuk memperbaiki masalah tersebut berdasarkan praktik terbaik keamanan AWS.

Fleksibilitas dan Kustomisasi

Dibangun untuk tim

Siapkan akses tim Anda ke notebook SageMaker Studio dengan menggunakan Pusat Identitas AWS IAM (penerus AWS Masuk Tunggal). Buat lingkungan terpisah untuk administrator platform dan pemimpin bisnis untuk memantau biaya dan penggunaan SageMaker Studio. Buat ruang bersama tempat tim Anda dapat membaca, mengedit, dan menjalankan notebook bersama-sama dalam waktu nyata untuk menyederhanakan kolaborasi dan komunikasi. Rekan tim dapat meninjau hasil bersama-sama untuk segera memahami performa model tanpa bolak-balik meneruskan informasi. Dengan dukungan bawaan untuk layanan seperti BitBucket dan AWS CodeCommit, tim dapat dengan mudah mengelola versi notebook yang berbeda dan membandingkan perubahan dari waktu ke waktu. Semua sumber daya secara otomatis ditandai, sehingga lebih mudah untuk memantau biaya dan merencanakan anggaran menggunakan alat seperti AWS Budgets dan AWS Cost Explorer.

Dapat Disesuaikan

Bawa lingkungan pengembangan notebook Anda sendiri ke SageMaker Studio menggunakan citra docker khusus. Gunakan Konfigurasi Siklus Hidup untuk mengotomatiskan dan menyesuaikan lingkungan notebook untuk tim Anda.

Instans notebook tersendiri

Gunakan notebook Jupyter mandiri yang Anda kenal dan percayai dalam layanan SageMaker terkelola penuh. Lupakan kerumitan dalam menyiapkan sumber daya komputasi, memutakhirkan ilmu data dan paket ML, serta menerapkan patch keamanan. Instans notebook SageMaker memungkinkan Anda fokus sepenuhnya pada ML, sekaligus menjaga lingkungan komputasi Anda tetap aman dan selalu diperbarui dengan perangkat lunak sumber terbuka terbaru.