Блокноты Amazon SageMaker

Полностью управляемые блокноты JupyterLab для анализа данных и построения моделей машинного обучения

Что такое блокноты Amazon SageMaker?

Запустите полностью управляемый JupyterLab из Студии Amazon SageMaker за считаные секунды. Используйте интегрированную среду разработки (IDE) для блокнотов, кода и данных. Блокноты с функциями быстрого запуска и совместной работы можно использовать в IDE для доступа к специальным инструментам машинного обучения в SageMaker и других сервисах AWS для организации полного цикла разработки решений машинного обучения: от подготовки данных в масштабе нескольких петабайтов с помощью Spark в Amazon EMR до обучения, отладки, развертывания и мониторинга моделей и управления конвейерами – и все это в одном визуальном веб-интерфейсе. Увеличивайте и уменьшайте количество вычислительных ресурсов без лишних усилий и перерывов в работе.

Преимущества блокнотов SageMaker

Масштабируйте создание машинного обучения

Быстрое начало работы

Запустите полностью управляемый JupyterLab в Студии за считаные секунды. В Студии SageMaker доступен готовый дистрибутив SageMaker с предварительно заданными параметрами, который содержит наиболее популярные пакеты для машинного обучения, включая платформы глубокого обучения (PyTorch, TensorFlow и Keras), а также пакеты Python (NumPy, scikit-learn и panda), которые помогут вам начать работу с моделями.

Эластичные вычисления

Масштабируйте базовые вычислительные ресурсы в большую или меньшую сторону и используйте общее постоянное хранилище для переключения вычислительных ресурсов без перерывов в работе. Воспользуйтесь широчайшим спектром вычислительных ресурсов, предлагаемых AWS, включая самые мощные инстансы с графическими процессорами для машинного обучения.

Повысьте производительность разработки систем машинного обучения

Подготовка данных

Упростите рабочие процессы обработки данных за счет унифицированной среды. Создавайте и просматривайте кластеры Amazon EMR и интерактивные сеансы AWS Glue и подключайтесь к ним прямо из JupyterLab. Используйте встроенную функцию подготовки данных для визуализации данных и повышения их качества.

Задания в блокноте

Задания в блокноте SageMaker можно использовать для создания неинтерактивных заданий, выполняемых по запросу или по расписанию. Для планирования заданий прямо из JupyterLab можно использовать удобный пользовательский интерфейс или пакет SageMaker Python SDK. Когда вы выбираете блокнот, SageMaker делает снимок состояния всего блокнота, упаковывает зависимости в контейнер, создает инфраструктуру, запускает блокнот как автоматическое задание по расписанию, указанному специалистом, и отзывает инфраструктуру по завершении задания. Задания блокнотов SageMaker также доступны в качестве встроенного шага в конвейерах Amazon SageMaker. Это позволяет всего в нескольких строках кода автоматизировать блокноты и организовать их в многоэтапные рабочие процессы с зависимостями для развертывания непрерывной интеграции и разработки.

Инструменты на базе искусственного интеллекта

Amazon Q Developer предоставляет инструкции по функциям SageMaker, помощь в генерации кода и поддержку по устранению неполадок в среде JupyterLab. Просто задайте свои вопросы на естественном языке, например: «Как развернуть модель на адресе SageMaker для получения логических выводов в реальном времени?», а Amazon Q Developer предоставит пошаговые инструкции и код, с которыми будет легко начать работу. Если при выполнении кода возникнут ошибки, Amazon Q Developer всегда будет готов помочь. Просто попросите его исправить ошибку, и помощник предоставит подробные инструкции по отладке и решению проблемы.

Гибкость и возможность настройки

Создано для совместной работы

Настройте совместный доступ к блокнотам Студии SageMaker с помощью Центра идентификации AWS IAM (преемника AWS Single Sign-on). Создавайте отдельные среды для администраторов платформ и руководителей компаний для отслеживания использования и затрат на Студию SageMaker. Организуйте общие пространства, где ваши специалисты смогут читать и редактировать блокноты и управлять ими в режиме реального времени, чтобы упростить совместную работу и обмен данными. Участники рабочей группы могут вместе анализировать результаты, чтобы сразу понять, как работает модель, не передавая информацию туда и обратно. Благодаря встроенной поддержке таких сервисов, как BitBucket и AWS CodeCommit, специалисты могут легко управлять различными версиями блокнотов и сравнивать изменения с течением времени. Все ресурсы автоматически маркируются, что упрощает мониторинг расходов и планирование бюджетов с помощью таких инструментов, как Бюджеты AWS и Обозреватель затрат AWS.

Возможность настройки

Перенесите свою среду разработки блокнотов в Студию SageMaker, используя пользовательский образ Docker. Воспользуйтесь конфигурациями жизненного цикла для автоматизации и настройки сред блокнотов для своих специалистов.

Автономные инстансы блокнота

Используйте автономные блокноты Jupyter, с которыми вы привыкли работать, в полностью управляемом сервисе SageMaker. Забудьте о необходимости настраивать вычислительные ресурсы, обновлять пакеты анализа данных и машинного обучения и устанавливать исправления безопасности. Инстансы блокнотов SageMaker позволяют вам полностью сосредоточиться на машинном обучении, обеспечивая безопасность и актуальность вычислительной среды за счет новейшего ПО с открытым исходным кодом.