실시간 협업 PlatoBlockchain Data Intelligence를 위해 SageMaker Studio의 공유 공간을 사용하여 기계 학습 개발을 구성합니다. 수직 검색. 일체 포함.

실시간 협업을 위해 SageMaker Studio의 공유 공간을 사용하여 기계 학습 개발 구성

타임 스탬프 : 1 년 2022 월 2 일 오후 00:XNUMX

아마존 세이지 메이커 스튜디오 머신 러닝(ML)을 위한 최초의 완전 통합 개발 환경(IDE)입니다. 데이터 준비, 모델 구축, 교육 및 배포를 포함하여 모든 ML 개발 단계를 수행할 수 있는 단일 웹 기반 시각적 인터페이스를 제공합니다.

내 Amazon SageMaker 도메인, 사용자는 Amazon 검사를 위해 통합 기능이 내장된 무료 JupyterServer를 실행하는 개인 Amazon SageMaker Studio IDE 애플리케이션을 프로비저닝할 수 있습니다. SageMaker 실험, 오케스트레이션 Amazon SageMaker 파이프 라인, 그리고 훨씬 더. 사용자는 노트북 커널의 유연한 컴퓨팅에 대해서만 비용을 지불합니다. 이러한 개인 응용 프로그램은 각 사용자의 개인 정보를 자동으로 마운트합니다. 아마존 탄성 파일 시스템 (Amazon EFS) 홈 디렉터리로 코드, 데이터 및 기타 파일을 다른 사용자와 격리할 수 있습니다. 아마존 세이지메이커 스튜디오 이미 개인 애플리케이션 간의 노트북 공유를 지원합니다., 그러나 비동기 메커니즘은 반복 프로세스를 느리게 할 수 있습니다.

이제와 Amazon SageMaker Studio의 공유 공간, 사용자는 자신의 Amazon SageMaker 사용자 프로필과 함께 활용하는 공유 IDE 애플리케이션을 생성하여 협업 ML 노력 및 이니셔티브를 구성할 수 있습니다. 공유 공간에서 협업하는 데이터 작업자는 노트북에 실시간으로 액세스, 읽기, 편집 및 공유할 수 있는 Amazon SageMaker Studio 환경에 액세스하여 동료와 함께 새로운 아이디어를 반복할 수 있는 가장 빠른 경로를 제공합니다. 데이터 작업자는 실시간 협업 기능을 사용하여 동일한 노트북에서 동시에 협업할 수도 있습니다. 노트북은 각각의 사용자 프로필 이름을 표시하는 다른 커서로 각 공동 편집 사용자를 나타냅니다.

SageMaker Studio의 공유 공간은 교육 작업, 처리 작업, 실험, 파이프라인, 작업 영역 범위 내에서 생성된 모델 레지스트리 항목과 같은 리소스에 자동으로 태그를 지정합니다. sagemaker:space-arn. 이 공간은 Amazon SageMaker Studio 사용자 인터페이스(UI) 내에서 이러한 리소스를 필터링하므로 사용자에게는 SageMaker 실험, 파이프라인 및 ML 작업과 관련된 기타 리소스만 표시됩니다.

솔루션 개요


공유 공간은 리소스에 자동으로 태그를 지정하므로 관리자는 ML 노력과 관련된 비용을 쉽게 모니터링하고 다음과 같은 도구를 사용하여 예산을 계획할 수 있습니다. AWS 예산 과 AWS 비용 탐색기. 관리자는 비용 할당 태그 for sagemaker:space-arn.

sagemaker:space-arn에 대한 비용 할당 태그를 첨부합니다.

완료되면 AWS Cost Explorer를 사용하여 조직에서 개별 ML 프로젝트에 드는 비용을 식별할 수 있습니다.

완료되면 AWS Cost Explorer를 사용하여 조직에서 개별 ML 프로젝트에 드는 비용을 식별할 수 있습니다.

Amazon SageMaker Studio에서 공유 공간 시작하기

이 섹션에서는 Amazon SageMaker Studio에서 공유 공간을 생성하고 활용하기 위한 일반적인 워크플로우를 분석합니다.

Amazon SageMaker Studio에서 공유 공간 생성

Amazon SageMaker 콘솔 또는 AWS 명령 줄 인터페이스 (AWS CLI) 기존 도메인에 공간에 대한 지원을 추가합니다. 최신 정보는 다음을 확인하십시오. 공유 공간 만들기. 공유 공간은 JupyterLab 3 SageMaker Studio 이미지와 AWS Identity and Access Management(AWS IAM) 인증을 사용하는 SageMaker 도메인에서만 작동합니다.

콘솔 생성

지정된 Amazon SageMaker 도메인 내에 공간을 생성하려면 먼저 지정된 공간 기본 실행 역할을 설정해야 합니다. 로부터 도메인 세부정보 페이지에서 도메인 설정 탭을 선택 편집. 그런 다음 다음 다이어그램과 같이 도메인당 한 번만 완료하면 되는 공간 기본 실행 역할을 설정할 수 있습니다.

실시간 협업 PlatoBlockchain Data Intelligence를 위해 SageMaker Studio의 공유 공간을 사용하여 기계 학습 개발을 구성합니다. 수직 검색. 일체 포함.

다음으로 갈 수 있습니다 공간 관리 도메인 내의 탭을 선택하고 만들기 다음 다이어그램과 같이 버튼을 누릅니다.

도메인 내의 공간 관리 탭으로 이동하여 만들기 버튼을 선택합니다.

AWS CLI 생성

AWS CLI에서 기본 도메인 공간 실행 역할을 설정할 수도 있습니다. 해당 지역의 JupyterLab3 이미지 ARN을 확인하려면 다음을 확인하십시오. 기본 JupyterLab 버전 설정.

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

도메인에 대한 작업이 완료되면 CLI에서 공유 공간을 생성할 수 있습니다.

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

Amazon SageMaker Studio에서 공유 공간 시작

사용자는 다음을 선택하여 공유 공간을 시작할 수 있습니다. 실행 Amazon SageMaker 도메인에 대한 AWS 콘솔 내의 사용자 프로필 옆에 있는 버튼.
실시간 협업 PlatoBlockchain Data Intelligence를 위해 SageMaker Studio의 공유 공간을 사용하여 기계 학습 개발을 구성합니다. 수직 검색. 일체 포함.

선택 후 공간 공동 작업 섹션 아래에서 실행할 공간을 선택합니다.
실시간 협업 PlatoBlockchain Data Intelligence를 위해 SageMaker Studio의 공유 공간을 사용하여 기계 학습 개발을 구성합니다. 수직 검색. 일체 포함.

또는 사용자가 사전 서명된 URL을 생성하여 AWS CLI를 통해 공간을 시작할 수 있습니다.

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

실시간 협업

Amazon SageMaker Studio 공유 공간 IDE가 로드되면 사용자는 다음을 선택할 수 있습니다. 공동 작업자 왼쪽 패널의 탭을 클릭하면 어떤 사용자가 귀하의 공간에서 어떤 노트북에서 활발히 작업하고 있는지 확인할 수 있습니다. 둘 이상의 사람이 동일한 노트북에서 작업 중인 경우 편집 중인 다른 사용자의 프로필 이름과 함께 커서가 표시됩니다.

실시간 협업 PlatoBlockchain Data Intelligence를 위해 SageMaker Studio의 공유 공간을 사용하여 기계 학습 개발을 구성합니다. 수직 검색. 일체 포함.

다음 스크린샷에서 동일한 전자 필기장을 편집하고 보는 사람에 대한 다양한 사용자 경험을 볼 수 있습니다.
실시간 협업 PlatoBlockchain Data Intelligence를 위해 SageMaker Studio의 공유 공간을 사용하여 기계 학습 개발을 구성합니다. 수직 검색. 일체 포함.

결론

이 게시물에서는 SageMaker Studio의 공유 공간이 Amazon SageMaker Studio에 실시간 협업 IDE 경험을 추가하는 방법을 보여주었습니다. 자동화된 태깅은 사용자가 실험, 파이프라인 및 모델 레지스트리 항목을 포함하는 Amazon SageMaker 리소스의 범위를 지정하고 필터링하여 사용자 생산성을 극대화하는 데 도움이 됩니다. 또한 관리자는 이러한 적용된 태그를 사용하여 지정된 공간과 관련된 비용을 모니터링하고 AWS Cost Explorer 및 AWS 예산을 사용하여 적절한 예산을 설정할 수 있습니다.

특정 기계 학습 작업을 위해 Amazon SageMaker Studio에서 공유 공간을 설정하여 지금 팀의 협업을 가속화하십시오!

저자 소개

션 모건션 모건 AWS의 AI/ML 솔루션 아키텍트입니다. 그는 반도체 및 학술 연구 분야에 대한 경험이 있으며 그의 경험을 사용하여 고객이 AWS에서 목표를 달성할 수 있도록 돕습니다. 여가 시간에 Sean은 활성 오픈 소스 기고자/유지자이며 TensorFlow Add-ons의 특별 이익 그룹 리더입니다.

실시간 협업 PlatoBlockchain Data Intelligence를 위해 SageMaker Studio의 공유 공간을 사용하여 기계 학습 개발을 구성합니다. 수직 검색. 일체 포함.한 장 Amazon Web Services의 수석 소프트웨어 엔지니어입니다. 그녀는 Amazon SageMaker 노트북 및 Amazon SageMaker Studio 출시 팀의 일원이며 고객을 위한 안전한 기계 학습 환경을 구축하는 데 주력하고 있습니다. 여가 시간에는 태평양 북서부에서 하이킹과 스키를 즐깁니다.

실시간 협업 PlatoBlockchain Data Intelligence를 위해 SageMaker Studio의 공유 공간을 사용하여 기계 학습 개발을 구성합니다. 수직 검색. 일체 포함.아르카프라바 데 AWS의 선임 소프트웨어 엔지니어입니다. Amazon에서 7년 이상 근무했으며 현재 Amazon SageMaker Studio IDE 경험을 개선하기 위해 노력하고 있습니다. 당신은 그를 찾을 수 있습니다 링크드인.

실시간 협업 PlatoBlockchain Data Intelligence를 위해 SageMaker Studio의 공유 공간을 사용하여 기계 학습 개발을 구성합니다. 수직 검색. 일체 포함.쿠날 자 AWS의 수석 제품 관리자입니다. 그는 모든 ML 개발 단계에서 선택한 IDE로 Amazon SageMaker Studio를 구축하는 데 주력하고 있습니다. 여가 시간에 Kunal은 스키와 태평양 북서부 탐험을 즐깁니다. 당신은 그를 찾을 수 있습니다 링크드인.

타임 스탬프 :

더보기 AWS 기계 학습