Hari ini, kami dengan gembira mengumumkan penyederhanaannya Pengaturan cepat pengalaman dalam Amazon SageMaker. Dengan kemampuan baru ini, pengguna individu dapat meluncurkannya Studio Amazon SageMaker dengan preset default dalam hitungan menit.
SageMaker Studio adalah lingkungan pengembangan terintegrasi (IDE) untuk pembelajaran mesin (ML). Praktisi ML dapat melakukan semua langkah pengembangan MLโmulai dari menyiapkan data hingga membuat, melatih, dan menerapkan model MLโdalam satu antarmuka visual yang terintegrasi. Anda juga mendapatkan akses ke banyak koleksi model dan solusi siap pakai yang dapat Anda terapkan hanya dengan beberapa klik.
Untuk menggunakan SageMaker Studio atau aplikasi pribadi lainnya seperti Kanvas Amazon SageMaker, atau untuk berkolaborasi ruang bersama, Pelanggan AWS harus terlebih dahulu menyiapkan a Domain SageMaker. Domain SageMaker terdiri dari domain terkait Sistem File Amazon Elastis (Amazon EFS), daftar pengguna resmi, dan berbagai keamanan, aplikasi, kebijakan, dan Cloud Pribadi Virtual Amazon Konfigurasi (Amazon VPC). Saat pengguna masuk ke domain SageMaker, mereka diberi profil pengguna yang dapat mereka gunakan untuk meluncurkan aplikasi mereka. Otentikasi pengguna dapat melalui Pusat Identitas AWS IAM (penerus AWS Single Sign-On) atau Identitas AWS dan Manajemen Akses (SAYA).
Menyiapkan domain SageMaker dan profil pengguna terkait memerlukan pemahaman konsep peran IAM, domain, autentikasi, dan VPC, serta melalui sejumlah langkah konfigurasi. Untuk menyelesaikan langkah-langkah konfigurasi ini, ilmuwan data dan pengembang biasanya bekerja dengan tim admin TI mereka yang menyediakan SageMaker Studio dan menyiapkan pagar pembatas yang tepat.
Pelanggan memberi tahu kami bahwa proses orientasi terkadang memakan waktu, sehingga menunda ilmuwan data dan tim ML untuk memulai SageMaker Studio. Kami mendengarkan dan menyederhanakan pengalaman orientasi!
Memperkenalkan pengaturan Quick Studio yang disederhanakan
Pengalaman pengaturan Quick Studio baru untuk SageMaker memberikan pengalaman orientasi dan administrasi baru yang memudahkan pengguna individu untuk mengatur dan mengelola SageMaker Studio. Ilmuwan data dan admin ML dapat menyiapkan SageMaker Studio dalam hitungan menit dengan satu klik. SageMaker menangani penyediaan domain SageMaker dengan preset default, termasuk menyiapkan peran IAM, autentikasi IAM, dan mode internet publik. Admin ML dapat mengubah pengaturan SageMaker Studio untuk domain yang dibuat dan menyesuaikan UI lebih lanjut kapan saja. Mari kita lihat cara kerjanya.
Prasyarat
Untuk menggunakan pengaturan Quick Studio, Anda memerlukan hal berikut:
- Akun AWS
- IAM role dengan izin untuk membuat sumber daya yang diperlukan untuk menyiapkan domain SageMaker
Gunakan opsi pengaturan Quick Studio
Mari kita bahas skenario ketika pengguna baru ingin mengakses SageMaker Studio. Pengalaman pengguna mencakup langkah-langkah berikut:
- Di akun AWS Anda, navigasikan ke konsol SageMaker dan pilih Siapkan untuk satu pengguna.
SageMaker mulai menyiapkan domain SageMaker. Proses ini biasanya memakan waktu beberapa menit. Nama domain baru diawali dengan QuickSetupDomain-
.
Segera setelah domain SageMaker siap, pemberitahuan muncul di layar yang menyatakan โDomain SageMaker sudah siapโ dan profil pengguna di bawah domain tersebut juga berhasil dibuat.
- Pilih Launch di sebelah profil pengguna yang dibuat dan pilih studio.
Karena ini pertama kalinya SageMaker Studio diluncurkan untuk profil pengguna ini, SageMaker membuat aplikasi JupyterServer baru, yang memerlukan waktu beberapa menit.
Beberapa menit kemudian, Studio IDE dimuat dan Anda disajikan halaman Beranda SageMaker Studio.
Komponen pengaturan Quick Studio
Saat menggunakan pengaturan Quick Studio, SageMaker membuat sumber daya berikut:
- IAM role baru dengan izin yang sesuai untuk menggunakan SageMaker Studio, Layanan Penyimpanan Sederhana Amazon (Amazon S3), dan Kanvas SageMaker. Anda dapat mengubah izin IAM role yang dibuat kapan saja berdasarkan kasus penggunaan atau persyaratan khusus persona Anda.
- Peran IAM lain yang diawali dengan
AmazonSagemakerCanvasForecastRole-
, yang mengaktifkan izin untuk fitur perkiraan rangkaian waktu SageMaker Canvas. - Domain SageMaker Studio dan profil pengguna untuk domain dengan nama unik. IAM digunakan sebagai mode autentikasi. IAM role yang dibuat digunakan sebagai peran eksekusi SageMaker default untuk domain dan profil pengguna. Anda dapat meluncurkan aplikasi pribadi apa pun yang tersedia, seperti SageMaker Studio dan SageMaker Canvas, yang diaktifkan secara default.
- Volume EFS, yang berfungsi sebagai sistem file untuk SageMaker Studio. Selain Amazon EFS, bucket S3 baru dengan awalan
sagemaker-studio-
dibuat untuk berbagi buku catatan.
SageMaker Studio juga menggunakan VPC default dan subnet terkaitnya. Jika tidak ada VPC default, atau jika VPC default tidak memiliki subnet, maka VPC tersebut akan memilih salah satu VPC yang sudah ada yang memiliki subnet terkait. Jika tidak ada VPC, pengguna akan diminta untuk membuatnya di konsol Amazon VPC. VPC dengan semua subnet di bawahnya digunakan untuk menyiapkan Amazon EFS.
Kesimpulan
Sekarang, hanya diperlukan satu klik untuk memulai SageMaker Studio. Pengaturan Quick Studio untuk pengguna individu tersedia di semua Wilayah komersial AWS tempat SageMaker saat ini tersedia.
Cobalah fitur baru ini di konsol SageMaker dan beri tahu kami pendapat Anda. Kami selalu menantikan tanggapan Anda! Anda dapat mengirimkannya melalui kontak AWS Support biasa atau mempostingnya di Forum AWS untuk Pembuat Sage.
Tentang penulis
Vikesh Pandey adalah Arsitek Solusi Spesialis Pembelajaran Mesin di AWS, membantu pelanggan dari industri keuangan merancang dan membangun solusi pada AI dan ML generatif. Di luar pekerjaan, Vikesh senang mencoba masakan yang berbeda dan berolahraga di luar ruangan.
Anastasia Tzeveleka adalah Arsitek Solusi Spesialis Pembelajaran Mesin dan AI di AWS. Dia bekerja dengan pelanggan di EMEA dan membantu mereka merancang solusi pembelajaran mesin dalam skala besar menggunakan layanan AWS. Dia telah mengerjakan proyek di berbagai domain termasuk pemrosesan bahasa alami (NLP), MLOps, dan alat berkode rendah/tanpa kode.
- Konten Bertenaga SEO & Distribusi PR. Dapatkan Amplifikasi Hari Ini.
- PlatoData.Jaringan Vertikal Generatif Ai. Berdayakan Diri Anda. Akses Di Sini.
- PlatoAiStream. Intelijen Web3. Pengetahuan Diperkuat. Akses Di Sini.
- PlatoESG. Otomotif / EV, Karbon, teknologi bersih, energi, Lingkungan Hidup, Tenaga surya, Penanganan limbah. Akses Di Sini.
- PlatoHealth. Kecerdasan Uji Coba Biotek dan Klinis. Akses Di Sini.
- ChartPrime. Tingkatkan Game Trading Anda dengan ChartPrime. Akses Di Sini.
- BlockOffset. Modernisasi Kepemilikan Offset Lingkungan. Akses Di Sini.
- Sumber: https://aws.amazon.com/blogs/machine-learning/amazon-sagemaker-simplifies-the-amazon-sagemaker-studio-setup-for-individual-users/
- :memiliki
- :adalah
- :Di mana
- $NAIK
- 100
- 150
- 7
- a
- mengakses
- Akun
- admin
- administrasi
- AI
- Semua
- juga
- selalu
- Amazon
- Amazon SageMaker
- Studio Amazon SageMaker
- Amazon Web Services
- an
- dan
- Mengumumkan
- Apa pun
- selain
- aplikasi
- muncul
- Aplikasi
- sesuai
- aplikasi
- ADALAH
- AS
- ditugaskan
- terkait
- At
- Otentikasi
- berwenang
- tersedia
- AWS
- berdasarkan
- BE
- membangun
- Bangunan
- by
- CAN
- kanvas
- kemampuan
- yang
- kasus
- Pilih
- Klik
- Berkolaborasi
- koleksi
- komersial
- lengkap
- konsep
- konfigurasi
- terdiri
- konsul
- kontak
- membuat
- dibuat
- menciptakan
- Sekarang
- pelanggan
- menyesuaikan
- data
- Default
- menyebarkan
- penggelaran
- Mendesain
- pengembang
- Pengembangan
- berbeda
- membahas
- domain
- domain
- Mudah
- EMEA
- diaktifkan
- memungkinkan
- Lingkungan Hidup
- gembira
- eksekusi
- ada
- pengalaman
- Fitur
- beberapa
- File
- keuangan
- industri keuangan
- Pertama
- pertama kali
- berikut
- Untuk
- Depan
- dari
- lebih lanjut
- generatif
- AI generatif
- mendapatkan
- mendapatkan
- akan
- membantu
- membantu
- Beranda
- Seterpercayaapakah Olymp Trade? Kesimpulan
- HTML
- HTTPS
- identitas
- if
- in
- termasuk
- Termasuk
- sendiri-sendiri
- industri
- terpadu
- Antarmuka
- Internet
- IT
- NYA
- jpg
- Tahu
- bahasa
- besar
- kemudian
- jalankan
- diluncurkan
- pengetahuan
- membiarkan
- Daftar
- beban
- melihat
- mesin
- Mesin belajar
- MEMBUAT
- mengelola
- menit
- ML
- MLOps
- mode
- model
- memodifikasi
- nama
- nama
- Alam
- Pengolahan Bahasa alami
- Arahkan
- Perlu
- dibutuhkan
- New
- berikutnya
- nLP
- tidak
- buku catatan
- pemberitahuan
- jumlah
- of
- on
- Onboarding
- ONE
- or
- Lainnya
- di luar
- di luar
- halaman
- Melakukan
- Izin
- pribadi
- plato
- Kecerdasan Data Plato
- Data Plato
- bermain
- kebijaksanaan
- Pos
- mempersiapkan
- disajikan
- swasta
- proses
- pengolahan
- Profil
- profil
- memprojeksikan
- menyediakan
- ketentuan
- publik
- Cepat
- siap
- daerah
- Persyaratan
- membutuhkan
- Sumber
- benar
- Peran
- peran
- pembuat bijak
- Skala
- skenario
- ilmuwan
- Layar
- keamanan
- mengirim
- Seri
- melayani
- Layanan
- set
- pengaturan
- pengaturan
- penyiapan
- berbagi
- dia
- Sederhana
- disederhanakan
- tunggal
- Solusi
- segera
- spesialis
- Olahraga
- mulai
- dimulai
- menyatakan
- Tangga
- penyimpanan
- studio
- subnet
- berhasil
- seperti itu
- mendukung
- sistem
- Mengambil
- Dibutuhkan
- tim
- bahwa
- Grafik
- mereka
- Mereka
- kemudian
- Sana.
- Ini
- mereka
- berpikir
- ini
- Melalui
- waktu
- Seri waktu
- untuk
- mengatakan
- alat
- Pelatihan
- mencoba
- khas
- ui
- bawah
- pemahaman
- unik
- us
- menggunakan
- gunakan case
- bekas
- Pengguna
- Pengguna Pengalaman
- Pengguna
- kegunaan
- menggunakan
- variasi
- melalui
- maya
- volume
- ingin
- we
- jaringan
- layanan web
- Apa
- ketika
- yang
- SIAPA
- akan
- dengan
- Kerja
- bekerja
- bekerja
- Kamu
- Anda
- zephyrnet.dll