Publicado: Sep 24, 2021
O Amazon SageMaker Studio é o primeiro ambiente de desenvolvimento totalmente integrado (IDE) para machine learning (ML). O SageMaker Studio fornece uma única interface visual baseada na Web em que você pode realizar todas as etapas de desenvolvimento de ML necessárias para preparar dados e criar, treinar e implantar modelos. Com um único clique, os cientistas de dados e os desenvolvedores de ML podem rapidamente ativar os blocos de anotação do SageMaker Studio para explorar conjuntos de dados e construir modelos. Agora você pode usar as configurações de ciclo de vida para automatizar as personalizações para seu ambiente de desenvolvimento do Studio.
As configurações do ciclo de vida são scripts de shell acionados por eventos de ciclo de vida do SageMaker Studio, por exemplo, iniciando um novo bloco de anotação do Studio. Você pode usar os scripts para personalizar o Studio, por exemplo, instalar pacotes personalizados, configurar extensões de blocos de notebook, pré-carregar conjuntos de dados e configurar repositórios de código-fonte. As configurações do ciclo de vida em conjunto com a possibilidade de trazer sua própria imagem de contêiner para o SageMaker Studio oferece total flexibilidade e controle para configurar o Studio para atender às suas necessidades específicas. Por exemplo, você pode criar um conjunto mínimo de imagens de contêiner de base com os pacotes e bibliotecas mais comumente usados e usar configurações de ciclo de vida para instalar pacotes adicionais para casos de uso específicos em suas equipes de ciência de dados e ML.
O recurso de configurações de ciclo de vida agora está disponível em todas as regiões da AWS onde o SageMaker Studio está disponível. Você pode criar configurações de ciclo de vida e anexá-las ao seu domínio do Studio ou a um usuário individual usando AWS CLI e AWS SDK. Você pode começar rapidamente usando nossos scripts de amostra e exemplos. Para saber mais sobre este novo recurso, acesse o manual do usuário do SageMaker Studio.