Publicado: Oct 27, 2020
O Amazon SageMaker Studio é o primeiro ambiente de desenvolvimento totalmente integrado (IDE) para machine learning (ML). Com um único clique, cientistas de dados e desenvolvedores podem criar rapidamente notebooks do SageMaker Studio para explorar conjuntos de dados e criar modelos. A partir de hoje, você pode executar notebooks do SageMaker Studio com suas próprias imagens.
Os notebooks do SageMaker Studio fornecem um conjunto de imagens integradas para ciência de dados populares e estruturas de trabalho de ML, além de opções de computação para executar notebooks. As imagens incorporadas do SageMaker contêm o SDK Python do Amazon SageMaker e a versão mais recente do processo de execução de back-end, também chamado de kernel. A partir de hoje, você pode registrar imagens e kernels personalizados e torná-los disponíveis para todos os usuários que compartilham um domínio do SageMaker Studio. Você pode começar clonando e estendendo um dos arquivos Docker de exemplo fornecidos pelo SageMaker ou criar suas próprias imagens do zero.
Você pode criar notebooks usando versões específicas de estruturas de trabalho de ML populares, como Tensorflow, MXNet, PyTorch. Você pode usar kernels diferentes do IPython, como R, Julia e Scala. Também pode personalizar o ambiente do notebook com pacotes e bibliotecas proprietários para executar scripts de treinamento personalizado ou para permitir o acesso aos seus data lakes ou armazenamentos de dados on-premises. O recurso agora está disponível em todas as regiões da AWS em que o Amazon SageMaker Studio estádisponível. Para começar, consulte a seguinte lista de recursos: