Amazon SageMaker 筆記本

JupyterLab 中用來探索資料和建置 ML 模型的全受管筆記本

什麼是 SageMaker 筆記本?

幾秒鐘內從 Amazon SageMaker Studio 啟動全受管 JupyterLab。針對筆記本、程式碼和資料使用整合式開發環境 (IDE)。您可以在 IDE 中使用快速入門、協調筆記本,存取 SageMaker 和其他 AWS 服務中的專門建置 ML 工具,用於完整的 ML 開發,從使用 Amazon EMR 上的 Spark 準備 PB 級資料,到訓練和偵錯模型、部署和監控模型和管理管道,全部都在一個以 Web 為基礎的視覺化界面。在不中斷工作的情況下,輕鬆地擴展或縮減運算資源。

SageMaker 筆記本的優勢

在幾秒鐘內,從 Amazon SageMaker Studio 啟動全受管 JupyterLab。SageMaker Studio 預先設定了 SageMaker 發行版,其中包含用於 ML 的熱門封裝,包括 PyTorch、TensorFlow 和 Keras 等深度學習架構,以及 NumPy、scikit-learn 和 pandas 等熱門 Python 套件。
透過雲端中最廣泛應用的運算最佳化和 GPU 加速執行個體,來擴展或縮減您的運算資源。
使用採用生成式 AI 技術的編碼輔助工具和安全工具,更快速地撰寫高品質的程式碼。使用 Amazon CodeWhisperer 產生、偵錯及解釋原始程式碼,並使用 Amazon CodeGuru 執行安全和程式碼品質掃描。
在相同的筆記本中建置統一的分析和 ML 工作流程。直接從筆記本在 Amazon EMR 和 AWS Glue 無伺服器基礎架構上執行互動式 Spark 工作。使用內嵌 Spark UI 更快速地進行工作的監控和除錯。只需幾個簡單的步驟,即可將筆記本排定為工作,輕鬆自動執行資料準備。

大規模建置 ML

快速入門

幾秒鐘內在 Studio 中啟動全受管 JupyterLab。SageMaker Studio 預先設定了預先建置的 SageMaker 發行版,其中包含用於 ML 的熱門封裝,包括 PyTorch、TensorFlow 和 Keras 等深度學習架構;熱門 Python 套件,例如 NumPy、scikit-learn 和 panda,可協助您開始建置模型。

Elastic Compute

擴展或縮減基礎運算資源,並使用共享持久性儲存切換運算,所有這些動作都不會中斷您的工作。從 AWS 提供的最廣泛應用的運算資源選擇中進行選擇,包括最強大的機器學習 GPU 執行個體。

提升 ML 開發生產力

資料準備

透過統一的環境簡化資料工作流程。直接從 JupyterLab 建立、瀏覽和連線至 Amazon EMR 叢集和 AWS Glue 互動式工作階段。使用內建資料準備功能以將資料視覺化並改善資料品質。

筆記本任務

您可以使用 SageMaker 筆記本工作來建立非互動式工作,以隨需或按排程執行。使用直覺式使用者界面或 SageMaker Python SDK,直接從 JupyterLab 排程您的工作。選取筆記本後,SageMaker 筆記本會拍攝整個筆記本的快照,將其相依項封裝到容器中,建置基礎設施,按照從業者設定的排程將筆記本作為自動化任務執行,並在任務完成時取消佈建基礎設施。SageMaker 筆記本工作也可以做為 Amazon SageMaker Pipelines 中的原生步驟,讓您可以使用幾行程式碼將筆記本自動化成多步驟工作流程,並具有 CI/CD 部署的相依性。

採用 AI 技術工具