Amazon SageMaker Studio Lab (Pratinjau)

Belajar dan bereksperimen dengan ML menggunakan lingkungan pengembangan gratis tanpa pengaturan

Amazon SageMaker Studio Lab adalah lingkungan pengembangan machine learning (ML) gratis yang menyediakan komputasi, penyimpanan (hingga 15 GB), dan keamanan, semuanya tanpa biaya, bagi siapa saja untuk belajar dan bereksperimen dengan ML. Yang Anda perlukan untuk memulai hanyalah alamat email yang valid. Anda tidak perlu mengonfigurasi infrastruktur atau mengelola identitas dan akses atau bahkan mendaftar akun AWS. SageMaker Studio Lab mempercepat pembangunan model melalui integrasi GitHub, serta dilengkapi dengan alat, kerangka kerja, dan pustaka ML paling populer untuk membantu Anda memulai dengan segera. SageMaker Studio Lab menyimpan pekerjaan Anda secara otomatis sehingga Anda tidak perlu memulai ulang di antara sesi. Semudah menutup laptop Anda dan kembali lagi nanti.

Cara kerjanya

Cara kerja Amazon SageMaker Studio Lab
Belajar dan bereksperimen dengan ML menggunakan Amazon SageMaker Studio Lab (1:03)
Belajar dan bereksperimen dengan ML menggunakan Amazon SageMaker Studio Lab
Amazon SageMaker Studio Lab adalah lingkungan machine learning (ML) gratis dengan Jupyter Notebook yang mudah bagi siapa saja untuk bereksperimen dengan membangun dan melatih model ML, tanpa perlu mengonfigurasi infrastruktur atau mengelola identitas dan akses.
Belajar dan bereksperimen dengan ML menggunakan Amazon SageMaker Studio Lab
Amazon SageMaker Studio Lab adalah lingkungan machine learning (ML) gratis dengan Jupyter Notebook yang mudah bagi siapa saja untuk bereksperimen dengan membangun dan melatih model ML, tanpa perlu mengonfigurasi infrastruktur atau mengelola identitas dan akses.

Fitur-fitur utama

Tidak Perlu Akun AWS

Untuk mulai menggunakan SageMaker Studio Lab, gunakan alamat email Anda untuk mendaftar akun di studiolab.sagemaker.aws. Akun SageMaker Studio Lab Anda terpisah dari akun AWS dan tidak memerlukan kartu kredit.

Pilih daya komputasi

SageMaker Studio Lab menawarkan sesi CPU atau GPU untuk proyek Anda. Anda dapat memilih untuk menjalankan notebook dengan sesi CPU 12 jam untuk algoritme kompleks, atau sesi GPU 4 jam untuk arsitektur deep learning (DL), seperti Convolutional Neural Networks (CNN) dan Recurrent Neural Networks (RNN). Tidak ada batasan jumlah sesi komputasi yang dapat Anda jalankan. Setelah sesi berakhir, Anda dapat memulai sesi baru.

Penyimpanan Tetap

SageMaker Studio Lab menyediakan sesi tetap dengan penyimpanan jangka panjang gratis sebesar 15 GB, sehingga Anda dapat menyimpan pekerjaan dan melanjutkan dari bagian terakhir yang Anda tinggalkan. Saat sesi berakhir, pekerjaan Anda disimpan secara otomatis di penyimpanan khusus.

Penyimpanan Tetap

Kerangka kerja ML yang sudah dikemas

Pilih pengelola paket Python terbaik untuk proyek Anda, seperti Pip, Conda, atau Mamba. Secara default, SageMaker Studio Lab mendukung baris perintah Terminal dan Git serta integrasi GitHub untuk kolaborasi. Penyiapannya cepat dan mudah, tanpa konfigurasi yang diperlukan untuk menjalankan Jupyter Notebook.

Mulai Menggunakan Amazon SageMaker Studio Lab