Publicado: Nov 30, 2023
O Amazon SageMaker Studio é uma única interface baseada na web com ferramentas abrangentes de machine learning (ML) e uma escolha de ambientes de desenvolvimento integrados (IDEs) totalmente gerenciados para realizar todas as etapas do desenvolvimento de ML, desde a preparação de dados até a criação, treinamento, implantação e gerenciamento de modelos de ML. O Amazon EFS é um sistema de arquivos simples e sem servidor para definição única que facilita a configuração, a escalabilidade e a otimização de custos do armazenamento de arquivos na Nuvem AWS. Hoje, temos o prazer de anunciar um novo recurso que permite que você traga seu próprio volume do EFS para acessar seus grandes conjuntos de dados de ML ou código compartilhado de IDEs, como o JupyterLab e o Code Editor no SageMaker Studio.
Agora você pode disponibilizar volumes do EFS preexistentes para vários usuários no SageMaker em seus IDEs para permitir que eles acessem conjuntos de dados comuns em um sistema de arquivos sem exigir a movimentação de dados, economizando tempo, esforço e custo.
Com isso, você também pode compartilhar cadernos, códigos e dados com seus colegas para aumentar a produtividade e colaborar mais rapidamente em seus fluxos de trabalho de machine learning. Além disso, você pode acessar o mesmo volume do EFS em diferentes etapas do fluxo de trabalho de machine learning, como criação e treinamento de modelos, permitindo iterar e experimentar rapidamente.
Esse recurso está disponível em todas as regiões da Amazon Web Services (AWS) nas quais o Amazon SageMaker Studio é oferecido atualmente, exceto na China e nas regiões AWS GovCloud (EUA). Para saber mais, consulte a documentação do SageMaker Studio.