Amazon SageMaker Studio Lab fortsætter med at demokratisere ML med mere skala og funktionalitet

For at gøre maskinlæring (ML) mere tilgængelig, lancerede Amazon Amazon SageMaker Studio Lab hos AWS re:Invent 2021. I dag bruger titusindvis af kunder det hver dag til at lære og eksperimentere med ML gratis. Vi gjorde det nemt at komme i gang med kun en e-mailadresse uden behov for installationer, opsætninger, kreditkort eller en AWS-konto.

SageMaker Studio Lab resonerer hos kunder, der ønsker at lære i enten en uformel eller formel sammenhæng, som det fremgår af en nylig undersøgelse, der tyder på, at 49 % af vores nuværende kundebase lærer på egen hånd, mens 21 % tager en formel ML-time. Institutioner for videregående uddannelse er begyndt at tage det i brug, fordi det hjælper dem med at undervise i ML-grundlæggende ud over den bærbare computer, såsom miljø- og ressourcestyring, som er kritiske områder for vellykkede ML-projekter. Enterprise-partnere som Hugging Face, Snowflake og Roboflow bruger SageMaker Studio Lab til at fremvise deres egne ML-kapaciteter.

I dette indlæg diskuterer vi nye funktioner i SageMaker Studio Lab og deler nogle kundesucceshistorier.

Nye funktioner i SageMaker Studio Lab

Vi er fortsat med at udvikle nye funktioner og mekanismer til at glæde, beskytte og aktivere vores ML-fællesskab. Her er de seneste forbedringer:

• For at beskytte CPU- og GPU-kapaciteten mod potentielt brugsmisbrug lancerede vi en 2-trinsbekræftelse, der øger størrelsen af ​​det fællesskab, vi kan betjene. Fremover skal hver kunde knytte deres konto til et mobiltelefonnummer.
• I oktober 2022 udrullede vi automatiske kontogodkendelser, så du kan få en SageMaker Studio Lab-konto på mindre end en dag.
• Vi tredoblede kapaciteten til GPU og CPU, hvilket gør det muligt for de fleste af vores kunder at få en instans, når de har brug for det.
• En sikker tilstand blev introduceret for at hjælpe dig videre, hvis dit miljø bliver ustabilt. Selvom dette er sjældent, sker det typisk, når kunder overskrider deres lagergrænser.
• Vi har tilføjet understøttelse af Juptyer-LSP (Language Server Protocol)-udvidelsen, hvilket giver dig funktionalitet til kodefuldførelse. Bemærk, at hvis du fik din konto før november 2022, kan du få denne funktionalitet ved at følge nogle få enkle instruktioner (se FAQ for detaljer).

Kundes succeshistorier

Vi fortsætter med at være kundebesatte og tilbyder vigtige funktioner til kunder baseret på deres feedback. Her er nogle højdepunkter fra nøgleinstitutioner og partnere:

“SageMaker Studio Lab løser et reelt problem i klasseværelset, idet det giver en hostet Jupyter-løsning med industriel styrke med GPU, der rækker ud over blot en hostet notebook alene. Muligheden for at tilføje pakker, konfigurere et miljø og åbne en terminal har åbnet mange nye læringsmuligheder for studerende. Endelig har finjustering af Hugging Face-modeller med kraftfulde GPU'er været en fantastisk ny arbejdsgang at præsentere for eleverne. LLM'er (store sprogmodeller) er fremtiden for AI, og SageMaker Studio Lab har gjort mig i stand til at undervise i fremtiden for AI."

—Noah Gift, Executive in Residence hos Duke MIDS (Data Science)

"SageMaker Studio Lab har været brugt af mit team, siden det var i beta på grund af dets stærke oplevelse for ML-udviklere. Den integreres ubesværet med Snowpark, Snowflakes udviklerramme, for at give en notebook-grænseflade, der er nem at komme i gang med for Snowflake Python-udviklere. Jeg har brugt det til flere demoer med kunder og partnere, og responsen har været overvældende positiv.”

—Eda Johnson, Partner Industry Solutions Manager hos Snowflake

"Roboflow giver udviklere mulighed for at bygge deres egne computervisionsapplikationer, uanset deres færdigheder eller erfaring. Med SageMaker Studio Lab kan vores store fællesskab af computervisionsudviklere få adgang til vores modeller og data i et miljø, der ligner et lokalt JupyterLab, som er det, de er mest vant til. SageMaker Studio Labs vedvarende lagring er en game changer, fordi du ikke behøver at starte fra begyndelsen for hver brugersession. SageMaker Studio Lab er personligt blevet min foretrukne notebookplatform.”

—Mark McQuade, Field Engineering hos Roboflow

“RPI ejer en af ​​de mest kraftfulde supercomputere i verden, men den (AiMOS) har en stejl indlæringskurve. Vi havde brug for en måde, hvorpå vores elever kunne komme i gang effektivt og sparsomt. SageMaker Studio Labs intuitive grænseflade gjorde det muligt for vores elever at komme hurtigt i gang og gav en kraftfuld GPU, der satte dem i stand til at arbejde med komplekse deep learning-modeller til deres hovedstensprojekter."

—Mohammed J. Zaki, professor i datalogi ved Rensselaer Polytekniske Institut

“Jeg bruger SageMaker Studio Lab i grundlæggende maskinlæring og Python-relaterede kurser, der er designet til at give eleverne et solidt fundament i mange cloud-teknologier. Studio Lab gør det muligt for vores studerende at få praktisk erfaring med datavidenskabelige projekter i den virkelige verden, uden at de skal hænge fast i opsætninger eller konfigurationer. I modsætning til andre leverandører er det en Linux-maskine til studerende, og eleverne kan faktisk lave meget flere kodeøvelser!"

—Cyrus Wong, lektor, videregående diplom i cloud- og datacenteradministration ved Institut for Informationsteknologi, IVE (LWL)

"Studerende i Northwestern Engineering's Master of Science in Artificial Intelligence (MSAI)-program fik en hurtig rundvisning i SageMaker Studio Lab, før de brugte det i et 5-timers hackathon for at anvende det, de lærte, til en situation i den virkelige verden. Vi forventede, at eleverne naturligt ville ramme nogle forhindringer i løbet af den meget korte periode. I stedet overgik eleverne vores forventninger ved ikke kun at gennemføre alle projekterne, men også at give meget gode præsentationer, hvor de fremviste fascinerende løsninger på vigtige problemer i den virkelige verden.”

—Mohammed Alam, vicedirektør for MSAI-programmet ved Northwestern University

Kom godt i gang med SageMaker Studio Lab

SageMaker Studio Lab er et godt indgangspunkt for alle, der er interesseret i at lære mere om ML og datavidenskab. Amazon fortsætter med at investere i denne gratis service, såvel som andre træningsaktiver og stipendieprogrammer, for at gøre ML tilgængelig for alle.

Kom i gang med SageMaker Studio Lab dag!

---

Om forfatteren

Michele Monclova er hovedproduktchef hos AWS på SageMaker-teamet. Hun er en indfødt New Yorker og Silicon Valley-veteran. Hun brænder for innovationer, der forbedrer vores livskvalitet.