Amazon SageMaker Studio Lab به دموکراتیک کردن ML با مقیاس و عملکرد بیشتر ادامه می دهد

آمازون برای دسترسی بیشتر به یادگیری ماشینی (ML) راه اندازی کرد Amazon SageMaker Studio Lab در AWS re:Invent 2021. امروز، ده‌ها هزار مشتری هر روز از آن برای یادگیری و آزمایش رایگان ML استفاده می‌کنند. ما بدون نیاز به نصب، راه‌اندازی، کارت‌های اعتباری یا حساب AWS، شروع به کار را فقط با یک آدرس ایمیل ساده کردیم.

آزمایشگاه SageMaker Studio با مشتریانی که می‌خواهند در یک محیط غیررسمی یا رسمی یاد بگیرند، طنین‌انداز می‌شود، همانطور که در یک نظرسنجی اخیر نشان داده شده است که نشان می‌دهد 49٪ از مشتریان فعلی ما به تنهایی یاد می‌گیرند، در حالی که 21٪ در کلاس رسمی ML شرکت می‌کنند. مؤسسات آموزش عالی شروع به پذیرش آن کرده اند، زیرا به آنها کمک می کند تا مبانی ML را فراتر از دفترچه یادداشت، مانند مدیریت محیط و منابع، که زمینه های حیاتی برای پروژه های موفق ML هستند، آموزش دهند. شرکای سازمانی مانند Hugging Face، Snowflake و Roboflow از SageMaker Studio Lab برای نمایش قابلیت‌های ML خود استفاده می‌کنند.

در این پست، ویژگی های جدید در آزمایشگاه SageMaker Studio را مورد بحث قرار می دهیم و برخی از داستان های موفقیت مشتری را به اشتراک می گذاریم.

ویژگی های جدید در آزمایشگاه SageMaker Studio

ما به توسعه ویژگی‌ها و مکانیسم‌های جدید برای خوشحال کردن، محافظت و فعال کردن جامعه ML خود ادامه داده‌ایم. در اینجا آخرین پیشرفت ها آمده است:

• برای محافظت از ظرفیت CPU و GPU در برابر سوء استفاده احتمالی، ما یک راستی‌آزمایی 2 مرحله‌ای راه‌اندازی کردیم که اندازه انجمنی را که می‌توانیم خدمت کنیم، افزایش دادیم. در آینده، هر مشتری باید حساب خود را به یک شماره تلفن همراه مرتبط کند.
• در اکتبر 2022، تأییدیه‌های حساب خودکار را ارائه کردیم و به شما امکان داد در کمتر از یک روز یک حساب SageMaker Studio Lab دریافت کنید.
• ما ظرفیت GPU و CPU را سه برابر کردیم و به اکثر مشتریانمان این امکان را دادیم که در صورت نیاز نمونه ای را دریافت کنند.
• یک حالت ایمن معرفی شد تا در صورت ناپایدار شدن محیط به شما کمک کند به جلو بروید. اگرچه این نادر است، اما معمولاً زمانی اتفاق می‌افتد که مشتریان از محدودیت‌های ذخیره‌سازی خود فراتر می‌روند.
• ما پشتیبانی از پسوند Juptyer-LSP (پروتکل سرور زبان) را اضافه کرده‌ایم که عملکرد تکمیل کد را در اختیار شما قرار می‌دهد. توجه داشته باشید که اگر حساب خود را قبل از نوامبر 2022 دریافت کرده اید، می توانید با دنبال کردن چند دستورالعمل ساده، این قابلیت را دریافت کنید (نگاه کنید به پاسخ به برخی سوالات مهم برای جزئیات بیشتر).

داستان های موفقیت مشتری

ما همچنان به وسواس مشتری ادامه می دهیم و بر اساس بازخورد آنها ویژگی های مهمی را به مشتریان ارائه می دهیم. در اینجا برخی از نکات برجسته از موسسات و شرکای کلیدی آورده شده است:

"آزمایشگاه SageMaker Studio یک مشکل واقعی را در کلاس حل می کند، زیرا یک راه حل میزبانی صنعتی Jupyter با GPU ارائه می دهد که فراتر از یک نوت بوک میزبان به تنهایی است. توانایی افزودن بسته ها، پیکربندی یک محیط و باز کردن ترمینال فرصت های یادگیری جدیدی را برای دانش آموزان باز کرده است. در نهایت، تنظیم دقیق مدل‌های Hugging Face با پردازنده‌های گرافیکی قدرتمند، یک گردش کار در حال ظهور شگفت‌انگیز برای ارائه به دانش‌آموزان بوده است. LLM ها (مدل های زبان بزرگ) آینده هوش مصنوعی هستند و آزمایشگاه SageMaker Studio به من این امکان را داده است که آینده هوش مصنوعی را آموزش دهم.

- هدیه نوح، مدیر اجرایی در دوک MIDS (دانش علوم داده)

«آزمایشگاه SageMaker Studio به دلیل تجربه قدرتمندش برای توسعه دهندگان ML، از زمانی که در نسخه بتا بود، توسط تیم من استفاده شده است. بدون زحمت با Snowpark، چارچوب توسعه‌دهنده Snowflake، ادغام می‌شود تا یک رابط نوت بوک با راه‌اندازی آسان برای توسعه‌دهندگان Snowflake Python فراهم کند. من از آن برای دموهای متعدد با مشتریان و شرکا استفاده کرده ام و پاسخ بسیار مطلوب بوده است.»

-ادا جانسون، مدیر راه حل های صنعت شریک در Snowflake

Roboflow به توسعه دهندگان این امکان را می دهد تا برنامه های بینایی کامپیوتری خود را بدون توجه به مهارت یا تجربه خود بسازند. با SageMaker Studio Lab، جامعه بزرگ توسعه دهندگان بینایی کامپیوتر ما می توانند به مدل ها و داده های ما در محیطی که شباهت زیادی به JupyterLab محلی دارد، دسترسی داشته باشند، چیزی که آنها بیشتر به آن عادت کرده اند. ذخیره سازی دائمی SageMaker Studio Lab یک تغییر دهنده بازی است، زیرا لازم نیست برای هر جلسه کاربر از ابتدا شروع کنید. SageMaker Studio Lab شخصاً به پلتفرم انتخابی من تبدیل شده است.

-مارک مک کواد، مهندسی میدان در Roboflow

RPI صاحب یکی از قدرتمندترین ابر رایانه‌های جهان است، اما (AiMOS) منحنی یادگیری شیب‌داری دارد. ما به راهی برای دانش آموزانمان نیاز داشتیم تا بتوانند کارآمد و مقتصدانه شروع کنند. رابط بصری SageMaker Studio Lab به دانش‌آموزان ما این امکان را می‌دهد تا به سرعت شروع کنند، و GPU قدرتمندی را ارائه می‌دهد و آنها را قادر می‌سازد تا با مدل‌های یادگیری عمیق پیچیده برای پروژه‌های اصلی خود کار کنند.

—محمد جی. زکی، استاد علوم کامپیوتر در موسسه پلی تکنیک رنسلر

من از SageMaker Studio Lab در یادگیری ماشین اولیه و دوره‌های مرتبط با پایتون استفاده می‌کنم که به دانش‌آموزان پایه‌ای محکم در بسیاری از فناوری‌های ابری می‌دهند. Studio Lab به دانش‌آموزان ما این امکان را می‌دهد تا بدون نیاز به گرفتار شدن در تنظیمات یا پیکربندی‌ها، تجربه عملی با پروژه‌های علم داده در دنیای واقعی داشته باشند. برخلاف سایر فروشندگان، این یک ماشین لینوکس برای دانش‌آموزان است و دانش‌آموزان می‌توانند تمرین‌های کدنویسی بسیار بیشتری را انجام دهند!»

cyrus Wong ، مدرس ارشد ، دیپلم بالاتر در مدیریت ابر و مرکز داده در گروه فناوری اطلاعات ، IVE (LWL)

«دانشجویان برنامه کارشناسی ارشد علوم در هوش مصنوعی مهندسی نورث وسترن (MSAI) قبل از استفاده از آن در یک هکاتون 5 ساعته، یک تور سریع از آزمایشگاه استودیو SageMaker انجام دادند تا آنچه را که آموخته‌اند در یک موقعیت واقعی به کار ببرند. ما انتظار داشتیم که دانش آموزان به طور طبیعی در مدت زمان بسیار کوتاهی با موانعی برخورد کنند. در عوض، دانش‌آموزان نه تنها با تکمیل تمام پروژه‌ها، بلکه با ارائه ارائه‌های بسیار خوب که در آن راه‌حل‌های جذاب برای مسائل مهم دنیای واقعی را به نمایش گذاشتند، فراتر از انتظارات ما بودند.»

-محمد علم، معاون مدیر برنامه MSAI در دانشگاه نورث وسترن

با SageMaker Studio Lab شروع کنید

SageMaker Studio Lab یک نقطه ورودی عالی برای هر کسی است که علاقه مند به یادگیری بیشتر در مورد ML و علم داده است. آمازون به سرمایه گذاری در این سرویس رایگان و همچنین سایر دارایی های آموزشی و برنامه های بورسیه ادامه می دهد تا ML را برای همه در دسترس قرار دهد.

با شروع کار آزمایشگاه SageMaker Studio امروز!

---

درباره نویسنده

میشل مونکلوا مدیر محصول اصلی در AWS در تیم SageMaker است. او یک کهنه سرباز بومی نیویورک و سیلیکون ولی است. او مشتاق نوآوری هایی است که کیفیت زندگی ما را بهبود می بخشد.