Publicado: Nov 30, 2022
O Amazon SageMaker Studio é um ambiente de desenvolvimento totalmente integrado (IDE) para machine learning (ML) que permite que profissionais de ML executem todas as etapas do fluxo de trabalho de machine learning, da preparação dos dados até a criação, treinamento, ajuste e implantação de modelos. Hoje, temos o prazer de anunciar um novo recurso nos notebooks do SageMaker Studio que permite a conversão automática de código de notebook em trabalhos prontos para produção.
Quando cientistas de dados e desenvolvedores movem seus notebooks para produção, eles copiam manualmente os trechos de código do notebook para um script, empacotam o script com todas as suas dependências em um contêiner e, em seguida, agendam o contêiner para ser executado como um trabalho. Além disso, se o trabalho precisar ser executado de acordo com um cronograma, eles deverão definir, configurar e gerenciar um pipeline de integração e entrega contínuas (CI/CD) para automatizar suas implantações. Pode levar semanas para configurar toda a infraestrutura necessária, o que consome tempo das principais atividades de desenvolvimento de ML. O SageMaker Studio agora permite que os profissionais de ML selecionem um notebook e o automatizem para execução como um trabalho na produção com apenas alguns cliques simples, diretamente da interface visual do Studio. Depois que um trabalho é agendado, o SageMaker Studio obtém automaticamente o snapshot de todo o notebook, empacota-o com suas dependências em um contêiner, cria a infraestrutura, executa o notebook como um trabalho automatizado e desprovisiona a infraestrutura após a conclusão do trabalho, reduzindo o tempo que leva para colocar um notebook em produção de semanas para horas.
Esse recurso geralmente está disponível em todas as regiões comerciais da AWS nas quais o SageMaker Studio é oferecido. Para saber mais, consulte este blog e o guia do desenvolvedor do SageMaker Studio.