Funzionalità di Amazon SageMaker Studio

Esegui lo sviluppo end-to-end di ML in un IDE completamente gestito

JupyterLab

Avvia JupyterLab completamente gestito in pochi secondi. Utilizza il più recente ambiente di sviluppo interattivo basato sul Web per notebook, codice e dati. La sua interfaccia flessibile ed espandibile consente di configurare facilmente i flussi di lavoro di machine learning (ML). Ottieni assistenza basata sull'IA per la generazione di codici, la risoluzione dei problemi e la guida da parte degli esperti per accelerare lo sviluppo del machine learning, il tutto all'interno dell'ambiente notebook.

JupyterLab

Editor di codice, basato su Code-OSS

Utilizza l'editor di codice leggero e potente e aumenta la produttività con gli strumenti noti di scorciatoia, terminale, debug e rifattorizzazione. Scegli tra migliaia di estensioni compatibili con Visual Studio Code disponibili nella galleria di estensioni Open VSX per migliorare la tua esperienza di sviluppo. Abilita il controllo delle versioni e la collaborazione tra team tramite i repository GitHub. Utilizza i framework di ML più diffusi pronti all'uso con la distribuzione SageMaker AI preconfigurata. Integrazione perfetta con i servizi AWS tramite il Kit di strumenti AWS per Visual Studio Code, incluso l'accesso integrato a origini dati AWS come Amazon Simple Storage Service (Amazon S3) e Amazon Redshift, e aumenta l'efficienza della codifica tramite suggerimenti di codice in linea basati su chat con Amazon Q Developer.

Editor di codice, basato su Code-OSS

RStudio

Utilizza l'ambiente di sviluppo integrato (IDE) per R con una console, un editor di evidenziazione della sintassi che supporta l'esecuzione diretta del codice e strumenti per il tracciamento, la cronologia, il debug e la gestione dello spazio di lavoro. Usa pacchetti R preconfigurati come devtools, tidyverse, shiny e rmarkdown per generare approfondimenti e pubblicarli utilizzando RStudio Connect. Puoi passare senza problemi agli IDE RStudio, JupyterLab e Code Editor per lo sviluppo di R e Python. 

RStudio

Accesso e valutazione degli FM

Inizia rapidamente a sviluppare IA generativa utilizzando centinaia di FM disponibili al pubblico e soluzioni predefinite che possono essere implementate in pochi passaggi da Amazon SageMaker JumpStart. Valuta, confronta e seleziona rapidamente i migliori FM per il tuo caso d'uso in base a una serie di criteri, come accuratezza, solidità, tossicità e bias in pochi minuti, utilizzando Amazon SageMaker Clarify. Inizia con le valutazioni di FM utilizzando set di dati di prompt curati o estendi la valutazione con i tuoi set di dati di prompt personalizzati. Le valutazioni umane possono essere utilizzate per dimensioni più soggettive come creatività e stile.
Accesso e valutazione degli FM

Prepara dati su vasta scala

Semplifica i flussi di lavoro dei dati con un ambiente unificato per data engineering, analisi e ML. Esegui processi Spark in modo interattivo utilizzando ambienti Spark Amazon EMR e AWS Glue serverless e monitorali utilizzando l'interfaccia utente di Spark. Utilizza la funzionalità di preparazione integrata per visualizzare i dati, identificare problemi di qualità dei dati e adottare le soluzioni consigliate per migliorare la qualità. Automatizza in modo rapido i flussi di lavoro di preparazione dei dati pianificando il tuo notebook sotto forma di processo in pochi passaggi. Archivia, condividi e gestisci le funzionalità del modello di ML in un archivio funzionalità centrale.

Prepara dati su vasta scala

Addestra i modelli rapidamente con prestazioni ottimizzate

Amazon SageMaker AI offre librerie di addestramento distribuite ad alte prestazioni e strumenti integrati per ottimizzare le prestazioni dei modelli. È possibile ottimizzare in modo automatico i modelli e visualizzare e correggere problemi relativi alle prestazioni prima di implementarli in produzione.

Addestra i modelli rapidamente con prestazioni ottimizzate

Implementa modelli per prestazioni e costi di inferenza ottimali

Implementa i modelli con un'ampia selezione di infrastrutture ML e opzioni di implementazione per contribuire a soddisfare le esigenze di inferenza ML. SageMaker AI è completamente gestito e si integra con gli strumenti MLOps per scalare l'implementazione dei modelli, ridurre i costi di inferenza, gestire i modelli in modo più efficace in produzione e ridurre il carico operativo.

Implementa modelli per prestazioni e costi di inferenza ottimali 

Fornisci modelli di ML in produzione ad alte prestazioni

SageMaker AI fornisce strumenti di MLOps e governance dedicati per aiutarti a automatizzare, standardizzare e ottimizzare i processi di documentazione in tutto il ciclo di vita ML. Utilizzando gli strumenti SageMaker AI MLOps, puoi facilmente addestrare, testare, risolvere i problemi, distribuire e gestire i modelli di ML su larga scala mantenendo le prestazioni del modello in produzione.

Fornisci modelli di ML in produzione ad alte prestazioni

Ricevi assistenza basata sull'IA generativa

Accelera la velocità di sviluppo del ML grazie all'assistenza dell'IA basata su Amazon Q Developer su JupyterLab e Code Editor. Utilizza i suggerimenti di codice in linea di Amazon Q Developer e l'assistenza basata su chat per ricevere una guida pratica, supporto per la codifica e procedure di risoluzione dei problemi on demand. Inizia a usarlo rapidamente e aumenta la produttività con questo potente strumento a portata di mano.

Ricevi assistenza basata sull'IA generativa

Accelerazione dello sviluppo di IA generativa e ML

Le app AI dei partner AWS sono ora disponibili in Amazon SageMaker AI e Amazon SageMaker Unified Studio. Trova, implementa e utilizza queste app AI nell’ambito di SageMaker. Esperienza ottimizzata e completamente gestita senza alcuna infrastruttura da fornire o gestire. Il tutto nella sicurezza e nella privacy del tuo ambiente SageMaker.

Ulteriori informazioni sulle app di IA per partner di Amazon SageMaker

image