SageMaker Studio の共有スペースを使用して機械学習開発を組織し、リアルタイムのコラボレーション PlatoBlockchain Data Intelligence を実現します。垂直検索。あい。

リアルタイムのコラボレーションのために SageMaker Studio の共有スペースを使用して機械学習開発を整理する

タイムスタンプ：1年2022月2日00:XNUMX

Amazon SageMakerスタジオ 機械学習 (ML) 用の最初の完全統合開発環境 (IDE) です。 データの準備、モデルの構築、トレーニング、デプロイなど、すべての ML 開発手順を実行できる単一の Web ベースのビジュアル インターフェイスを提供します。

内で AmazonSageMakerドメイン、ユーザーは個人用の Amazon SageMaker Studio IDE アプリケーションをプロビジョニングできます。このアプリケーションは、Amazon を調べるための統合が組み込まれた無料の JupyterServer を実行します。 SageMakerの実験、オーケストレーション AmazonSageMakerパイプラインなどなど。 ユーザーは、ノートブック カーネルの柔軟なコンピューティングに対してのみ料金を支払います。 これらの個人用アプリケーションは、それぞれのユーザーのプライベートを自動的にマウントします AmazonElasticファイルシステム (Amazon EFS) ホーム ディレクトリを使用して、コード、データ、およびその他のファイルを他のユーザーから分離しておくことができます。 Amazon SageMaker スタジオ プライベート アプリケーション間でのノートブックの共有は既にサポートされています、しかし非同期メカニズムは反復プロセスを遅くする可能性があります。

今で Amazon SageMaker Studio の共有スペース、ユーザーは、ユーザーが独自の Amazon SageMaker ユーザープロファイルで利用する共有 IDE アプリケーションを作成することにより、共同 ML の取り組みとイニシアチブを整理できます。 共有スペースで共同作業しているデータ ワーカーは、ノートブックにリアルタイムでアクセス、読み取り、編集、共有できる Amazon SageMaker Studio 環境にアクセスできます。これにより、同僚と新しいアイデアについて反復を開始するための最速のパスが提供されます。 データ ワーカーは、リアルタイム コラボレーション機能を使用して、同じノートブックで同時にコラボレーションすることもできます。 ノートブックは、共同編集している各ユーザーを、それぞれのユーザー プロファイル名を示す異なるカーソルで示します。

SageMaker Studio の共有スペースは、ワークスペースの範囲内で作成されたトレーニング ジョブ、処理ジョブ、実験、パイプライン、モデル レジストリ エントリなどのリソースに、それぞれのタグを自動的に付けます。 sagemaker:space-arn. スペースは、Amazon SageMaker Studio ユーザー インターフェイス (UI) 内でこれらのリソースをフィルタリングするため、ML の取り組みに関連する SageMaker Experiments、Pipelines、およびその他のリソースのみがユーザーに表示されます。

ソリューションの概要


共有スペースは自動的にリソースにタグを付けるため、管理者は ML の取り組みに関連するコストを簡単に監視し、次のようなツールを使用して予算を計画できます。 AWS 予算 & AWSコストエクスプローラー. 管理者は、 コスト配分タグ for sagemaker:space-arn.

sagemaker:space-arn のコスト割り当てタグを添付します

それが完了したら、AWS Cost Explorer を使用して、個々の ML プロジェクトが組織にどれだけのコストをかけているかを特定できます。

それが完了したら、AWS Cost Explorer を使用して、個々の ML プロジェクトが組織にどれだけのコストをかけているかを特定できます。

Amazon SageMaker Studio で共有スペースを使い始める

このセクションでは、Amazon SageMaker Studio で共有スペースを作成および利用するための一般的なワークフローを分析します。

Amazon SageMaker Studio で共有スペースを作成する

Amazon SageMaker コンソールまたは AWSコマンドラインインターフェイス (AWS CLI) を使用して、スペースのサポートを既存のドメインに追加します。 最新の情報については、チェックしてください 共有スペースを作る. 共有スペースは、JupyterLab 3 SageMaker Studio イメージと、AWS Identity and Access Management (AWS IAM) 認証を使用する SageMaker ドメインでのみ機能します。

コンソールの作成

指定された Amazon SageMaker ドメイン内にスペースを作成するには、最初に指定されたスペースのデフォルト実行ロールを設定する必要があります。 から ドメインの詳細 ページで、 ドメインの設定 タブを選択 編集. 次に、次の図に示すように、ドメインごとに XNUMX 回だけ完了する必要があるスペースの既定の実行ロールを設定できます。

SageMaker Studio の共有スペースを使用して機械学習開発を組織し、リアルタイムのコラボレーション PlatoBlockchain Data Intelligence を実現します。垂直検索。あい。

次に、に行くことができます スペース管理 ドメイン内のタブをクリックし、 創造する 次の図に示すように、ボタン:

ドメイン内の [スペース管理] タブに移動し、[作成] ボタンを選択します

AWS CLI の作成

AWS CLI からデフォルトのドメイン スペース実行ロールを設定することもできます。 リージョンの JupyterLab3 イメージ ARN を確認するには、 デフォルトの JupyterLab バージョンの設定.

aws --region  
sagemaker update-domain 
--domain-id  
--default-space-settings "ExecutionRole="

ドメインの設定が完了したら、CLI から共有スペースを作成できます。

aws --region  
sagemaker create-space 
--domain-id  
--space-name

Amazon SageMaker Studio で共有スペースを起動する

ユーザーは、 起動する Amazon SageMaker ドメインの AWS コンソール内のユーザー プロファイルの横にあるボタン。
SageMaker Studio の共有スペースを使用して機械学習開発を組織し、リアルタイムのコラボレーション PlatoBlockchain Data Intelligence を実現します。垂直検索。あい。

選択後 スペース [共同作業] セクションで、起動するスペースを選択します。
SageMaker Studio の共有スペースを使用して機械学習開発を組織し、リアルタイムのコラボレーション PlatoBlockchain Data Intelligence を実現します。垂直検索。あい。

または、ユーザーは AWS CLI を介してスペースを起動するための署名付き URL を生成できます。

aws sagemaker create-presigned-domain-url 
--region  
--domain-id  
--space-name  
--user-profile-name

リアルタイムコラボレーション

Amazon SageMaker Studio 共有スペース IDE が読み込まれると、ユーザーは 共同編集者 左側のパネルのタブをクリックして、スペースでアクティブに作業しているユーザーと、どのノートブックで作業しているかを確認します。 複数のユーザーが同じノートブックで作業している場合、他のユーザーが編集しているプロファイル名にカーソルが表示されます。

SageMaker Studio の共有スペースを使用して機械学習開発を組織し、リアルタイムのコラボレーション PlatoBlockchain Data Intelligence を実現します。垂直検索。あい。

次のスクリーンショットでは、同じノートブックを編集および表示しているユーザーのさまざまなユーザー エクスペリエンスを確認できます。
SageMaker Studio の共有スペースを使用して機械学習開発を組織し、リアルタイムのコラボレーション PlatoBlockchain Data Intelligence を実現します。垂直検索。あい。

まとめ

この投稿では、SageMaker Studio の共有スペースがリアルタイムの共同 IDE エクスペリエンスを Amazon SageMaker Studio に追加する方法を紹介しました。 自動タグ付けにより、ユーザーは、実験、パイプライン、モデル レジストリ エントリなどの Amazon SageMaker リソースをスコープおよびフィルタリングして、ユーザーの生産性を最大化できます。 さらに、管理者はこれらの適用されたタグを使用して、特定のスペースに関連付けられたコストを監視し、AWS Cost Explorer と AWS Budgets を使用して適切な予算を設定できます。

特定の機械学習の取り組みのために Amazon SageMaker Studio で共有スペースを設定することで、チームのコラボレーションを今すぐ加速させましょう!

著者について

ショーン・モーガンショーン・モーガン AWSのAI/MLソリューションアーキテクトです。 彼は半導体および学術研究の分野での経験があり、その経験を利用して、お客様がAWSで目標を達成できるように支援しています。 自由時間には、ショーンはアクティブなオープンソースの寄稿者/メンテナーであり、TensorFlowアドオンの分科会リーダーです。

SageMaker Studio の共有スペースを使用して機械学習開発を組織し、リアルタイムのコラボレーション PlatoBlockchain Data Intelligence を実現します。垂直検索。あい。ハン・チャン アマゾン ウェブ サービスのシニア ソフトウェア エンジニアです。 彼女は Amazon SageMaker Notebooks と Amazon SageMaker Studio の立ち上げチームの一員であり、顧客向けの安全な機械学習環境の構築に注力しています。 余暇には、太平洋岸北西部でハイキングやスキーを楽しんでいます。

SageMaker Studio の共有スペースを使用して機械学習開発を組織し、リアルタイムのコラボレーション PlatoBlockchain Data Intelligence を実現します。垂直検索。あい。アルカプラバデ AWS のシニア ソフトウェア エンジニアです。 彼は Amazon に 7 年以上勤務しており、現在は Amazon SageMaker Studio IDE エクスペリエンスの改善に取り組んでいます。 あなたは彼を見つけることができます LinkedIn.

SageMaker Studio の共有スペースを使用して機械学習開発を組織し、リアルタイムのコラボレーション PlatoBlockchain Data Intelligence を実現します。垂直検索。あい。クナルジャ AWSのシニアプロダクトマネージャーです。 彼は、すべてのML開発ステップに最適なIDEとしてAmazonSageMakerStudioの構築に注力しています。 余暇には、クナルはスキーを楽しんだり、太平洋岸北西部を探索したりしています。 あなたは彼を見つけることができます LinkedIn.

タイムスタンプ：

より多くの AWS機械学習