Amazon SageMaker Studio Lab terus mendemokratisasi ML dengan lebih banyak skala dan fungsi

Untuk membuat pembelajaran mesin (ML) lebih mudah diakses, Amazon meluncurkan Lab Studio Amazon SageMaker di AWS re:Invent 2021. Saat ini, puluhan ribu pelanggan menggunakannya setiap hari untuk belajar dan bereksperimen dengan ML secara gratis. Kami membuatnya mudah untuk memulai hanya dengan alamat email, tanpa perlu penginstalan, penyiapan, kartu kredit, atau akun AWS.

SageMaker Studio Lab selaras dengan pelanggan yang ingin belajar dalam suasana informal atau formal, seperti yang ditunjukkan oleh survei terbaru yang menunjukkan bahwa 49% dari basis pelanggan kami saat ini belajar sendiri, sedangkan 21% mengambil kelas ML formal. Institusi pendidikan tinggi telah mulai mengadopsinya, karena ini membantu mereka mengajarkan dasar-dasar ML di luar notebook, seperti pengelolaan lingkungan dan sumber daya, yang merupakan area penting untuk proyek ML yang berhasil. Mitra perusahaan seperti Hugging Face, Snowflake, dan Roboflow menggunakan SageMaker Studio Lab untuk menampilkan kemampuan ML mereka sendiri.

Dalam postingan ini, kami membahas fitur baru di SageMaker Studio Lab, dan membagikan beberapa kisah sukses pelanggan.

Fitur baru di SageMaker Studio Lab

Kami terus mengembangkan fitur dan mekanisme baru untuk menyenangkan, melindungi, dan memungkinkan komunitas ML kami. Berikut adalah peningkatan terbaru:

• Untuk melindungi kapasitas CPU dan GPU dari kemungkinan penyalahgunaan penggunaan, kami meluncurkan verifikasi 2 langkah, meningkatkan jumlah komunitas yang dapat kami layani. Kedepannya setiap pelanggan diharuskan menautkan akun mereka ke nomor ponsel.
• Pada bulan Oktober 2022, kami meluncurkan persetujuan akun otomatis, yang memungkinkan Anda mendapatkan akun SageMaker Studio Lab dalam waktu kurang dari sehari.
• Kami melipatgandakan kapasitas untuk GPU dan CPU, memungkinkan sebagian besar pelanggan kami mendapatkan instans saat mereka membutuhkannya.
• Mode aman diperkenalkan untuk membantu Anda bergerak maju jika lingkungan Anda menjadi tidak stabil. Meskipun hal ini jarang terjadi, hal ini biasanya terjadi jika pelanggan melebihi batas penyimpanannya.
• Kami telah menambahkan dukungan untuk ekstensi Juptyer-LSP (Language Server Protocol), yang memberi Anda fungsionalitas penyelesaian kode. Perhatikan bahwa jika Anda mendapatkan akun Anda sebelum November 2022, Anda bisa mendapatkan fungsi ini dengan mengikuti beberapa petunjuk sederhana (lihat FAQ untuk lebih jelasnya).

Kisah sukses pelanggan

Kami terus terobsesi dengan pelanggan, menawarkan fitur penting kepada pelanggan berdasarkan umpan balik mereka. Berikut adalah beberapa sorotan dari lembaga dan mitra utama:

“SageMaker Studio Lab memecahkan masalah nyata di ruang kelas dengan menyediakan solusi Jupyter yang dihosting kekuatan industri dengan GPU yang lebih dari sekadar notebook yang dihosting saja. Kemampuan untuk menambah paket, mengonfigurasi lingkungan, dan membuka terminal telah membuka banyak kesempatan belajar baru bagi siswa. Terakhir, menyempurnakan model Hugging Face dengan GPU yang kuat telah menjadi alur kerja luar biasa yang muncul untuk disajikan kepada siswa. LLM (model bahasa besar) adalah masa depan AI, dan SageMaker Studio Lab memungkinkan saya mengajarkan masa depan AI.”

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

“SageMaker Studio Lab telah digunakan oleh tim saya sejak masih dalam versi beta karena pengalamannya yang kuat untuk pengembang ML. Ini dengan mudah diintegrasikan dengan Snowpark, kerangka kerja pengembang Snowflake, untuk menyediakan antarmuka notebook yang mudah dimulai untuk pengembang Snowflake Python. Saya telah menggunakannya untuk beberapa demo dengan pelanggan dan mitra, dan tanggapannya sangat baik.”

—Eda Johnson, Manajer Solusi Industri Mitra di Snowflake

“Roboflow memberdayakan pengembang untuk membuat aplikasi visi komputer mereka sendiri, terlepas dari keahlian atau pengalaman mereka. Dengan SageMaker Studio Lab, komunitas besar pengembang computer vision kami dapat mengakses model dan data kami di lingkungan yang sangat mirip dengan JupyterLab lokal, yang paling biasa mereka gunakan. Penyimpanan persisten SageMaker Studio Lab adalah pengubah permainan, karena Anda tidak perlu memulai dari awal untuk setiap sesi pengguna. SageMaker Studio Lab secara pribadi telah menjadi platform notebook pilihan saya.”

—Mark McQuade, Teknik Lapangan di Roboflow

“RPI memiliki salah satu komputer super terkuat di dunia, tetapi (AiMOS) memiliki kurva belajar yang curam. Kami membutuhkan cara bagi siswa kami untuk memulai secara efektif, dan hemat. Antarmuka intuitif SageMaker Studio Lab memungkinkan siswa kami untuk memulai dengan cepat, dan menyediakan GPU yang andal, memungkinkan mereka bekerja dengan model pembelajaran mendalam yang kompleks untuk proyek batu penjuru mereka.”

—Mohammed J. Zaki, Profesor Ilmu Komputer di Rensselaer Polytechnic Institute

“Saya menggunakan SageMaker Studio Lab dalam pembelajaran mesin dasar dan kursus terkait Python yang dirancang untuk memberi siswa dasar yang kuat dalam banyak teknologi cloud. Studio Lab memungkinkan siswa kami mendapatkan pengalaman langsung dengan proyek ilmu data dunia nyata, tanpa mereka harus terjebak dalam penyiapan atau konfigurasi. Tidak seperti vendor lain, ini adalah mesin Linux untuk siswa, dan siswa dapat melakukan lebih banyak latihan coding!”

—Cyrus Wong, Dosen Senior, Diploma Tinggi dalam Administrasi Cloud dan Pusat Data di Departemen Teknologi Informasi, IVE (LWL)

“Siswa di program Master of Science in Artificial Intelligence (MSAI) Northwestern Engineering diberi tur singkat ke SageMaker Studio Lab sebelum menggunakannya dalam hackathon 5 jam untuk menerapkan apa yang mereka pelajari ke situasi dunia nyata. Kami berharap para siswa secara alami menghadapi beberapa rintangan selama periode waktu yang sangat singkat. Sebaliknya, para siswa melebihi harapan kami dengan tidak hanya menyelesaikan semua proyek tetapi juga memberikan presentasi yang sangat bagus di mana mereka memamerkan solusi menarik untuk masalah dunia nyata yang penting.”

—Mohammed Alam, Wakil Direktur program MSAI di Universitas Northwestern

Memulai SageMaker Studio Lab

SageMaker Studio Lab adalah titik masuk yang bagus bagi siapa saja yang tertarik untuk mempelajari lebih lanjut tentang ML dan ilmu data. Amazon terus berinvestasi dalam layanan gratis ini, serta aset pelatihan dan program beasiswa lainnya, agar ML dapat diakses oleh semua orang.

Mulai dengan Lab Studio SageMaker hari ini!

---

Tentang Penulis

Michele Monclova adalah manajer produk utama di AWS di tim SageMaker. Dia adalah penduduk asli New York dan veteran Silicon Valley. Dia bersemangat tentang inovasi yang meningkatkan kualitas hidup kita.