Amazon SageMaker Studio

Lingkungan pengembangan terintegrasi (IDE) penuh pertama untuk machine learning

Amazon SageMaker Studio menyediakan satu antarmuka visual berbasis web tempat Anda dapat melakukan semua langkah pengembangan ML, meningkatkan produktivitas tim ilmu data hingga 10x. SageMaker Studio memberikan Anda akses, kontrol, dan visibilitas penuh ke dalam setiap langkah yang diperlukan untuk membangun, melatih, dan men-deploy model. Anda dapat dengan cepat mengunggah data, membuat notebook baru, melatih dan menyetel model, beralih antar langkah untuk menyesuaikan eksperimen, membandingkan hasil, dan deploy model ke semua produksi di satu tempat, sehingga membuat Anda jadi lebih produktif. Semua kegiatan pengembangan ML termasuk notebook, manajemen eksperimen, pembuatan model otomatis, debugging, serta deteksi penyimpangan model dan data dapat dilakukan dalam SageMaker Studio.

Fitur utama

Notebook Elastis dan Dapat Dibagikan

Mengelola instans komputasi untuk melihat, menjalankan, atau berbagi notebook dapat terasa menjemukan. Notebook Amazon SageMaker Studio adalah notebook Jupyter sekali klik yang dapat dijalankan dengan cepat. Sumber daya komputasi utamanya sepenuhnya elastis, sehingga Anda dapat dengan mudah menaikkan atau menurunkan sumber daya yang tersedia dan perubahan terjadi secara otomatis di latar belakang tanpa mengganggu kerja Anda. Anda juga dapat berbagi notebook dengan orang lain dalam beberapa klik. Orang lain akan mendapatkan notebook yang sama, yang disimpan di tempat yang sama.

Baru!

Persiapan data yang dapat diskalakan menggunakan notebook

Anda dapat menelusuri, menemukan, dan terhubung secara visual ke lingkungan pemrosesan data Apache Spark yang berjalan di Amazon EMR dari notebook SageMaker Studio Anda dengan beberapa klik. Setelah terhubung, Anda dapat secara interaktif membuat kueri, menjelajahi, dan memvisualisasikan data, dan menjalankan tugas Spark menggunakan bahasa pilihan Anda (SQL, Python, dan Scala) untuk membangun persiapan data end-to-end dan alur kerja ML secara menyeluruh.

Eksperimen yang Dapat Diskalakan

Saat bereksperimen dengan berbagai kombinasi input untuk menyempurnakan model, Anda dapat meluncurkan daftar peringkat eksperimen bersama notebook Anda. Papan peringkat secara otomatis melacak, mengurutkan, dan memberi peringkat semua eksperimen. Sekilas, Anda dapat dengan mudah membandingkan dan mengidentifikasi model dengan performa terbaik.

Mulai Cepat

Amazon SageMaker Studio menyertakan peluncur machine learning dengan lebih dari 150 model sumber terbuka populer dan lebih dari 15 solusi bawaan untuk kasus penggunaan umum seperti prediksi dan deteksi penipuan sehingga Anda dapat membangun model pertama Anda hanya dalam beberapa menit. Anda juga dapat menggunakan Amazon SageMaker AutoPilot untuk membuat model ML dengan data Anda sendiri dalam beberapa klik.

Bawa Kontainer Anda Sendiri

Notebook Amazon SageMaker Studio menyediakan set citra bawaan untuk ilmu data populer dan kerangka kerja deep learning seperti Tensorflow, MXNet, PyTorch, dan opsi komputasi untuk menjalankan notebook. Anda juga dapat mendaftarkan citra dan kernel bawaan, dan membuatnya tersedia untuk semua pengguna yang berbagi domain SageMaker Studio. Dengan citra kustom, Anda dapat memutar notebook menggunakan versi tertentu dari kerangka kerja deep learning yang populer.

Deep Learning

Amazon SageMaker Studio mendukung banyak kerangka kerja populer untuk deep learning seperti TensorFlow, Apache MXNet, PyTorch, dan lebih banyak lagi. Kerangka kerja ini secara otomatis dikonfigurasi dan dioptimalkan untuk performa tinggi.

Amazon SageMaker Studio