Publicado: Dec 29, 2023

O Amazon SageMaker Studio oferece ambientes de desenvolvimento integrados (IDEs) para desenvolvimento de machine learning (ML). O Studio oferece ferramentas de preparação, experimentação e produção de dados para aumentar a produtividade. Agora, os usuários do Studio podem executar trabalhos de processamento, treinamento, inferência e transformação em lote do SageMaker localmente em uma instância do IDE do Studio. Além disso, podem criar e testar imagens do Docker compatíveis com o SageMaker localmente nos IDEs do Studio. 

Os cientistas de dados podem desenvolver interativamente modelos de ML e depurar rapidamente alterações de código sem sair do IDE ou esperar por recursos computacionais remotos. Os usuários podem executar localmente trabalhos de pequena escala para testar implementações e inspecionar os resultados antes de executar trabalhos completos na nuvem. Esse recurso otimiza os fluxos de trabalho, oferecendo feedback instantâneo sobre alterações no código e detectando antecipadamente os problemas, sem aguardar por recursos da nuvem. 

Além disso, o Studio Local Mode já fornece recursos de compilação e execução do Docker. Os usuários podem criar imagens do Docker com código e dependência de modelos diretamente no Studio. Isso simplifica a criação de contêineres, evitando etapas externas de configuração e compilação do Docker. Depois de criados, os contêineres podem ser executados localmente para validar as implementações antes da implantação na nuvem. A criação e teste de contêineres no Studio melhora a produtividade dos desenvolvedores e acelera o caminho para a produção. O recurso de compilação do Docker também permite a reutilização de contêineres em todos os ambientes. Os contêineres criados localmente podem ser implantados sem modificações para treinamento e hospedagem no SageMaker. Essa consistência elimina os problemas decorrentes de diferenças entre ambientes locais e na nuvem.