Студия Amazon SageMaker предлагает широкий набор полностью управляемых интегрированных сред разработки (IDE) для разработки машинного обучения (ML), включая JupyterLab, редактор кода на основе Code-OSS (Visual Studio Code Open Source) и RStudio. Он обеспечивает доступ к наиболее полному набору инструментов для каждого этапа разработки машинного обучения: от подготовки данных до построения, обучения, развертывания и управления моделями машинного обучения. Вы можете за считанные секунды запустить полностью управляемый JuptyerLab с предварительно настроенным дистрибутивом SageMaker и работать со своими блокнотами, кодом и данными. Гибкий и расширяемый интерфейс SageMaker Studio позволяет легко настраивать и организовывать рабочие процессы машинного обучения, а также использовать встроенное средство кодирования на базе искусственного интеллекта для быстрого создания, отладки, объяснения и тестирования кода.
В этом посте мы более подробно рассмотрим обновленную SageMaker Studio и ее интегрированную среду разработки JupyterLab, предназначенную для повышения производительности разработчиков машинного обучения. Мы представляем концепцию пространств и объясняем, как JupyterLab Spaces обеспечивает гибкую настройку вычислительных, хранилищ и ресурсов среды выполнения для повышения эффективности рабочего процесса машинного обучения. Мы также обсуждаем наш переход к модели локализованного выполнения в JupyterLab, что приводит к более быстрому, стабильному и гибкому кодированию. Кроме того, мы рассмотрим плавную интеграцию инструментов генеративного искусственного интеллекта, таких как Amazon Code Whisperer и Jupyter AI в SageMaker Studio JupyterLab Spaces, иллюстрируя, как они дают разработчикам возможность использовать ИИ для помощи в кодировании и инновационном решении проблем.
Представляем пространства в SageMaker Studio
Новый Веб-интерфейс SageMaker Studio действует как командный центр для запуска предпочитаемой вами IDE и доступа к вашему Создатель мудреца Амазонки инструменты для создания, обучения, настройки и развертывания моделей. В дополнение к JupyterLab и RStudio, SageMaker Studio теперь включает полностью управляемый редактор кода на основе Code-OSS (Visual Studio Code Open Source). И JupyterLab, и Code Editor можно запустить с помощью гибкого рабочего пространства под названием Spaces.
Пространство — это представление конфигурации IDE SageMaker, например JupyterLab или Code Editor, предназначенное для сохранения независимо от того, активно ли работает приложение (IDE), связанное с пространством, или нет. Пространство представляет собой комбинацию вычислительного экземпляра, хранилища и других конфигураций среды выполнения. С помощью Spaces вы можете создавать и масштабировать вычислительные ресурсы и хранилище для вашей IDE по мере необходимости, настраивать среды выполнения, а также приостанавливать и возобновлять кодирование в любое время и в любом месте. Вы можете развернуть несколько таких пространств, каждое из которых настроено с разной комбинацией вычислений, хранилища и среды выполнения.
При создании Пространства оно оснащается Магазин эластичных блоков Amazon (Амазон ЭБС) объем, который используется для хранения пользовательских файлов, данных, кешей и других артефактов. Он прикрепляется к вычислительному экземпляру ML при каждом запуске Space. Том EBS гарантирует, что пользовательские файлы, данные, кэш и состояния сеанса будут последовательно восстанавливаться при каждом перезапуске пространства. Важно отметить, что этот том EBS остается постоянным, независимо от того, находится ли пространство в рабочем или остановленном состоянии. Он будет сохраняться до тех пор, пока пространство не будет удалено.
Кроме того, мы представили функцию создания собственной файловой системы для пользователей, которые хотят совместно использовать среды и артефакты в разных пространствах, пользователях или даже доменах. Это позволит вам дополнительно оборудовать свои помещения собственными Эластичная файловая система Amazon (Amazon EFS), что упрощает совместное использование ресурсов в различных рабочих областях.
Создание пространства
Создание и запуск нового пространства теперь стало быстрым и простым. Настройка нового пространства с экземплярами быстрого запуска занимает всего несколько секунд, а запуск пространства — менее 60 секунд. Пространства оснащены предопределенными настройками вычислительных ресурсов и хранилища, управляемыми администраторами. Администраторы SageMaker Studio могут устанавливать предварительные настройки на уровне домена для конфигураций вычислений, хранения и среды выполнения. Эта настройка позволяет быстро запустить новое пространство с минимальными усилиями, всего в несколько кликов. У вас также есть возможность изменить конфигурации вычислений, хранилища или среды выполнения пространства для дальнейшей настройки.
Важно отметить, что для создания пространства необходимо обновить роль выполнения домена SageMaker с помощью политики, как показано в следующем примере. Вам необходимо предоставить своим пользователям разрешения на доступ к частным пространствам и профилям пользователей, необходимые для доступа к этим частным пространствам. Подробные инструкции см. Предоставьте своим пользователям доступ к личным пространствам.
Чтобы создать пространство, выполните следующие действия:
- В SageMaker Studio выберите ЮпитерЛаб на Приложения .
- Выберите Создать пространство JupyterLab.
- Что касается Имя, введите имя своего пространства.
- Выберите Создать пространство.
- Выберите Запустить пространство чтобы запустить новое пространство с предустановками по умолчанию или обновить конфигурацию в соответствии с вашими требованиями.
Реконфигурация пространства
Пространства предназначены для того, чтобы пользователи могли плавно переходить между различными типами вычислений по мере необходимости. Вы можете начать с создания нового пространства с определенной конфигурацией, в основном состоящей из вычислительных ресурсов и хранилища. Если вам нужно переключиться на другой тип вычислений с большим или меньшим количеством виртуальных ЦП, большим или меньшим объемом памяти или экземпляром на базе графического процессора в любой момент вашего рабочего процесса, вы можете легко это сделать. После остановки пространства вы можете изменить его настройки с помощью пользовательского интерфейса или API через обновленный интерфейс SageMaker Studio, а затем перезапустите пространство. SageMaker Studio автоматически переводит существующее пространство в новую конфигурацию, не требуя дополнительных усилий с вашей стороны.
Выполните следующие шаги, чтобы отредактировать существующее пространство:
- На странице сведений о пространстве выберите Остановить пробел.
- Перенастройте вычислительные ресурсы, хранилище или среду выполнения.
- Выберите Запустить пространство перезапустить пространство.
В ваше рабочее пространство будет добавлен новый запрошенный вами тип хранилища и вычислительного экземпляра.
Новая архитектура SageMaker Studio JupyterLab
Команда SageMaker Studio продолжает изобретать и упрощать свой опыт разработки, выпустив новый полностью управляемый интерфейс SageMaker Studio JupyterLab. Новый опыт SageMaker Studio JupyterLab сочетает в себе лучшее из обоих миров: масштабируемость и гибкость SageMaker Studio Classic (см. приложение в конце статьи) со стабильностью и привычностью JupyterLab с открытым исходным кодом. Чтобы понять структуру этого нового интерфейса JupyterLab, давайте углубимся в следующую архитектурную диаграмму. Это поможет нам лучше понять интеграцию и функции новой платформы JupyterLab Spaces.
Подводя итог, мы перешли к локализованной архитектуре. В этой новой настройке сервер Jupyter и процессы ядра работают вместе в одном контейнере Docker, размещенном в одном вычислительном экземпляре ML. Эти экземпляры ML предоставляются при запуске пространства и связываются с томом EBS, который создается при первоначальном создании пространства.
Эта новая архитектура дает несколько преимуществ; мы обсудим некоторые из них в следующих разделах.
Уменьшение задержки и повышение стабильности
SageMaker Studio перешла на модель локального запуска, отойдя от предыдущей модели разделения, в которой код хранился при монтировании EFS и запускался удаленно на экземпляре ML через удаленный шлюз ядра. В более ранней настройке Kernel Gateway, автономный веб-сервер, позволял выполнять операции ядра через удаленную связь с ядрами Jupyter через HTTPS/WSS. Действия пользователя, такие как запуск кода, управление блокнотами или выполнение команд терминала, обрабатывались приложением Kernel Gateway на удаленном экземпляре ML, при этом Kernel Gateway упрощал эти операции через ZeroMQ (ZMQ) в контейнере Docker. Следующая диаграмма иллюстрирует эту архитектуру.
Обновленная архитектура JupyterLab выполняет все операции ядра непосредственно на локальном экземпляре. Этот подход к локальному серверу Jupyter обычно обеспечивает повышенную производительность и простую архитектуру. Он сводит к минимуму задержку и сложность сети, упрощает архитектуру для упрощения отладки и обслуживания, повышает эффективность использования ресурсов и обеспечивает более гибкие шаблоны обмена сообщениями для различных сложных рабочих нагрузок.
По сути, это обновление приближает работу ноутбуков и кода к ядрам, значительно уменьшая задержку и повышая стабильность.
Улучшен контроль над выделенным хранилищем.
SageMaker Studio Classic изначально использовала Amazon EFS для обеспечения постоянного общего хранилища файлов для домашних каталогов пользователей в среде SageMaker Studio. Эта настройка позволяет централизованно хранить блокноты, сценарии и другие файлы проекта, доступные для всех ваших сеансов и экземпляров SageMaker Studio.
Благодаря последнему обновлению SageMaker Studio произошел переход от хранилища на базе Amazon EFS к решению на базе Amazon EBS. Тома EBS, предоставленные с помощью SageMaker Studio Spaces, Тома GP3 разработан для обеспечения стабильной базовой производительности 3,000 операций ввода-вывода в секунду независимо от размера тома. Это новое хранилище Amazon EBS обеспечивает более высокую производительность для задач с интенсивным вводом-выводом, таких как обучение моделей, обработка данных, высокопроизводительные вычисления и визуализация данных. Этот переход также дает администраторам SageMaker Studio более глубокое понимание и контроль над использованием хранилища профилями пользователей в домене или во всем SageMaker. Теперь вы можете установить значение по умолчанию (DefaultEbsVolumeSizeInGb
) и максимальное (MaximumEbsVolumeSizeInGb
) размеры хранилища для JupyterLab Spaces в каждом профиле пользователя.
Помимо повышения производительности, у вас есть возможность гибко изменять размер тома хранилища, подключенного к вычислительному экземпляру ML вашего Space, путем редактирования настроек Space с помощью пользовательского интерфейса или действия API из интерфейса SageMaker Studio, не требуя никаких действий по администрированию. Однако обратите внимание, что вы можете редактировать размеры тома EBS только в одном направлении — после увеличения размера тома EBS Space вы не сможете уменьшить его обратно.
SageMaker Studio теперь предлагает администраторам расширенные возможности управления выделенным хранилищем:
- Администраторы SageMaker Studio могут управлять размерами томов EBS для профилей пользователей. Эти тома JupyterLab EBS могут варьироваться от минимум 5 ГБ до максимум 16 ТБ. В следующем фрагменте кода показано, как создать или обновить профиль пользователя с настройками по умолчанию и максимальным объемом пространства:
- SageMaker Studio теперь предлагает расширенную функцию автоматической пометки для ресурсов Amazon EBS, автоматически маркируя тома, созданные пользователями, информацией о домене, пользователе и пространстве. Это усовершенствование упрощает анализ распределения затрат на ресурсы хранения, помогая администраторам более эффективно управлять и распределять затраты. Также важно отметить, что эти тома EBS размещаются в учетной записи службы, поэтому у вас не будет прямой видимости. Тем не менее, использование хранилища и связанные с ним затраты напрямую связаны с ARN домена, ARN профиля пользователя и ARN пространства, что облегчает прямое распределение затрат.
- Администраторы также могут контролировать шифрование неактивных томов EBS пространства с помощью ключей, управляемых клиентом (CMK).
Общая аренда с собственной файловой системой EFS
Рабочие процессы машинного обучения обычно являются совместными и требуют эффективного обмена данными и кодом между членами команды. Новая SageMaker Studio расширяет этот аспект совместной работы, позволяя вам обмениваться данными, кодом и другими артефактами через общий доступ. использовать собственную файловую систему EFS. Этот диск EFS можно настроить независимо от SageMaker или он может быть существующим ресурсом Amazon EFS. После подготовки его можно легко подключить к профилям пользователей SageMaker Studio. Эта функция не ограничивается профилями пользователей в одном домене — она может распространяться на другие домены, если они находятся в одном регионе.
В следующем примере кода показано, как создать домен и присоединить к нему существующий том EFS, используя связанный с ним том. fs-id
. Тома EFS можно подключить к домену на уровне корня или префикса, как демонстрируют следующие команды:
Когда монтирование EFS становится доступным в домене и связанных с ним профилях пользователей, вы можете прикрепить его к новому пространству. Это можно сделать с помощью пользовательского интерфейса SageMaker Studio или действия API, как показано в следующем примере. Важно отметить, что когда пространство создается с файловой системой EFS, подготовленной на уровне домена, пространство наследует ее свойства. Это означает, что если файловая система предоставляется на уровне корня или префикса внутри домена, эти настройки будут автоматически применяться к пространству, созданному пользователями домена.
После монтирования его в пространство вы можете найти все свои файлы, расположенные выше точки монтирования, предоставленной администратором. Эти файлы можно найти по пути к каталогу /mnt/custom-file-system/efs/fs-12345678
.
При монтировании EFS легко обмениваться артефактами между пространством пользователя или между несколькими пользователями или между доменами, что делает его идеальным для совместных рабочих нагрузок. С помощью этой функции вы можете сделать следующее:
- Поделиться данными – Крепления EFS идеально подходят для хранения больших наборов данных, важных для экспериментов по науке о данных. Владельцы наборов данных могут загружать эти монтирования наборами обучающих, проверочных и тестовых данных, что делает их доступными для профилей пользователей в домене или в нескольких доменах. Администраторы SageMaker Studio также могут интегрировать существующие приложения, подключенные к EFS, сохраняя при этом соответствие политикам безопасности организации. Это осуществляется посредством гибкого монтирования на уровне префикса. Например, если производственные и тестовые данные хранятся на одном и том же монтировании EFS (например,
fs-12345678:/data/prod and fs-12345678:/data/test
), монтаж/data/test
в профили пользователей домена SageMaker предоставляет пользователям доступ только к тестовому набору данных. Эта настройка позволяет проводить анализ или обучение модели, сохраняя при этом производственные данные безопасными и недоступными. - Поделиться кодом – Монтирование EFS облегчает быстрый обмен артефактами кода между профилями пользователей. В сценариях, где пользователям необходимо быстро обмениваться примерами кода или совместно работать над общей базой кода без сложностей, связанных с частыми командами git push/pull, совместное монтирование EFS очень полезно. Они предлагают удобный способ поделиться артефактами незавершенного кода внутри команды или между разными командами в SageMaker Studio.
- Совместное использование сред разработки – Общие монтирования EFS также могут служить средством быстрого распространения изолированных сред среди пользователей и групп. Монтирования EFS предоставляют надежную альтернативу для совместного использования сред Python, таких как conda или virtualenv, в нескольких рабочих областях. Такой подход позволяет избежать необходимости распространения
requirements.txt
orenvironment.yml
файлы, что часто может привести к повторяющейся задаче создания или воссоздания сред для разных профилей пользователей.
Эти функции значительно расширяют возможности совместной работы в SageMaker Studio, позволяя командам эффективно работать вместе над сложными проектами машинного обучения. Кроме того, редактор кода, основанный на Code-OSS (Visual Studio Code Open Source), использует те же архитектурные принципы, что и вышеупомянутый опыт JupyterLab. Такое согласование дает несколько преимуществ, таких как уменьшение задержки, повышенная стабильность и улучшенный административный контроль, а также обеспечивает доступ пользователей к общие рабочие пространства, аналогичные тем, которые предлагаются в JupyterLab Spaces.
Генеративные инструменты на базе искусственного интеллекта в JupyterLab Spaces
Генеративный ИИ, быстро развивающаяся область искусственного интеллекта, использует алгоритмы для создания нового контента, такого как текст, изображения и код, на основе обширных существующих данных. Эта технология произвела революцию в программировании, автоматизируя рутинные задачи, создавая сложные структуры кода и предлагая интеллектуальные предложения, тем самым оптимизируя разработку и способствуя творчеству и решению проблем в программировании. Генеративный искусственный интеллект, являющийся незаменимым инструментом для разработчиков, повышает производительность и стимулирует инновации в технологической отрасли. SageMaker Studio расширяет возможности разработчика с помощью предустановленных инструментов, таких как Amazon CodeWhisperer и Jupyter AI, которые используют генеративный искусственный интеллект для ускорения жизненного цикла разработки.
Amazon Code Whisperer
Amazon CodeWhisperer — это помощник по программированию, который повышает производительность разработчиков благодаря рекомендациям и решениям по коду в режиме реального времени. Будучи управляемым AWS сервисом искусственного интеллекта, он легко интегрируется в интегрированную среду разработки SageMaker Studio JupyterLab. Такая интеграция делает Amazon CodeWhisperer гибким и ценным дополнением к рабочему процессу разработчика.
Amazon CodeWhisperer превосходно повышает эффективность разработчиков за счет автоматизации типичных задач по кодированию, предложения более эффективных шаблонов кодирования и сокращения времени отладки. Он служит важным инструментом как для начинающих, так и для опытных программистов, предоставляя информацию о лучших практиках, ускоряя процесс разработки и улучшая общее качество кода. Чтобы начать использовать Amazon CodeWhisperer, убедитесь, что Возобновить автоматические предложения функция активирована. Вы можете вручную вызывать предложения кода, используя сочетания клавиш.
Альтернативно, напишите комментарий, описывающий предполагаемую функцию кода, и начните кодирование; Amazon CodeWhisperer начнет предлагать предложения.
Обратите внимание: хотя Amazon CodeWhisperer предустановлен, у вас должен быть установлен codewhisperer:GenerateRecommendations
разрешение как часть роли выполнения для получения рекомендаций по коду. Дополнительные сведения см. Использование CodeWhisperer с Amazon SageMaker Studio. Когда вы используете Amazon CodeWhisperer, AWS может в целях улучшения обслуживания хранить данные о вашем использовании и контенте. Чтобы отказаться от Amazon CodeWhisperer политика обмена данными, вы можете перейти к настройка в верхнем меню, затем перейдите к Редактор настроек и отключите Делитесь данными об использовании с Amazon CodeWhisperer из меню настроек Amazon CodeWhisperer.
Юпитер ИИ
Юпитер ИИ — это инструмент с открытым исходным кодом, который переносит генеративный искусственный интеллект в ноутбуки Jupyter и предлагает надежную и удобную платформу для изучения моделей генеративного искусственного интеллекта. Он повышает производительность в JupyterLab и Jupyter Notebooks, предоставляя такие функции, как магия %%ai для создания генеративной игровой площадки ИИ внутри ноутбуков, собственный пользовательский интерфейс чата в JupyterLab для взаимодействия с ИИ в качестве диалогового помощника, а также поддержку широкого спектра больших языков. поставщиков моделей (LLM), таких как AI21, Anthropic, Cohere и Hugging Face, или управляемых услуг, таких как Коренная порода Амазонки и конечные точки SageMaker. Эта интеграция предлагает более эффективные и инновационные методы анализа данных, машинного обучения и задач кодирования. Например, вы можете взаимодействовать с LLM, поддерживающим домен, с помощью интерфейса чата Jupyternaut для получения помощи по процессам и рабочим процессам или генерировать пример кода через CodeLlama, размещенный на конечных точках SageMaker. Это делает его ценным инструментом для разработчиков и специалистов по обработке данных.
Jupyter AI предоставляет обширный выбор языковых моделей, готовых к использованию прямо из коробки. Кроме того, через конечные точки SageMaker также поддерживаются пользовательские модели, что обеспечивает гибкость и широкий спектр возможностей для пользователей. Он также предлагает поддержку внедрения моделей, что позволяет выполнять встроенные сравнения и тесты и даже создавать или тестировать специальные приложения дополненной генерации (RAG).
Jupyter AI может выступать в качестве вашего помощника в чате, помогая вам с примерами кода, предоставляя ответы на вопросы и многое другое.
Вы можете использовать Jupyter AI %%ai
Magic для создания примера кода в вашем блокноте, как показано на следующем снимке экрана.
ЮпитерЛаб 4.0
Команда JupyterLab выпустила версию 4.0, в которой значительно улучшена производительность, функциональность и удобство использования. Подробная информация об этом релизе доступна на официальном сайте. Документация JupyterLab.
Эта версия, которая теперь является стандартной в SageMaker Studio JupyterLab, обеспечивает оптимизированную производительность для работы с большими блокнотами и более быстрые операции благодаря таким улучшениям, как оптимизация правил CSS и внедрение CodeMirror 6 и MathJax 3. Ключевые улучшения включают обновленный текстовый редактор с улучшенной доступностью и настройкой. , новый менеджер расширений, упрощающий установку расширений Python, а также улучшенные возможности поиска документов с расширенными функциями. Кроме того, версия 4.0 содержит улучшения пользовательского интерфейса, улучшения специальных возможностей и обновления инструментов разработки, а некоторые функции были перенесены в JupyterLab 3.6.
Заключение
Достижения в SageMaker Studio, особенно благодаря новому интерфейсу JupyterLab, знаменуют собой значительный шаг вперед в разработке машинного обучения. Обновленный пользовательский интерфейс SageMaker Studio с интеграцией JupyterLab, Code Editor и RStudio предлагает беспрецедентную оптимизированную среду для разработчиков машинного обучения. Внедрение JupyterLab Spaces обеспечивает гибкость и простоту настройки вычислительных ресурсов и ресурсов хранения, повышая общую эффективность рабочих процессов машинного обучения. Переход от архитектуры удаленного ядра к локализованной модели в JupyterLab значительно повышает стабильность и уменьшает задержку при запуске. Это приводит к более быстрому, стабильному и гибкому кодированию. Более того, интеграция инструментов генеративного искусственного интеллекта, таких как Amazon CodeWhisperer и Jupyter AI, в JupyterLab еще больше расширяет возможности разработчиков, позволяя использовать искусственный интеллект для помощи в кодировании и инновационном решении проблем. Расширенный контроль над выделенным хранилищем и возможность легко обмениваться кодом и данными посредством самостоятельного подключения EFS значительно облегчают совместную работу над проектами. Наконец, выпуск JupyterLab 4.0 в составе SageMaker Studio подчеркивает эти улучшения, предлагая оптимизированную производительность, лучшую доступность и более удобный интерфейс, тем самым укрепляя роль JupyterLab как краеугольного камня эффективной и результативной разработки машинного обучения в современном технологическом ландшафте.
Попробуйте SageMaker Studio JupyterLab Spaces, используя нашу быстрая встроенная функция, что позволяет за считанные минуты развернуть новый домен для отдельных пользователей. Поделитесь своими мыслями в разделе комментариев!
Приложение: Архитектура шлюза ядра SageMaker Studio Classic
A SageMaker Классический Домен — это логическое объединение тома EFS, списка пользователей, которым разрешен доступ к домену, а также конфигураций, связанных с безопасностью, приложениями, сетью и т. д. В классической архитектуре SageMaker Studio каждый пользователь в домене SageMaker имеет отдельный профиль пользователя. Этот профиль включает в себя определенные сведения, такие как роль пользователя и его идентификатор пользователя Posix в томе EFS, а также другие уникальные данные. Пользователи получают доступ к своему индивидуальному профилю пользователя через специальное приложение Jupyter Server, подключенное через HTTPS/WSS в своем веб-браузере. SageMaker Studio Classic использует архитектуру удаленного ядра, используя комбинацию типов приложений Jupyter Server и Kernel Gateway, что позволяет серверам ноутбуков взаимодействовать с ядрами на удаленных хостах. Это означает, что ядра Jupyter работают не на хосте сервера ноутбука, а внутри контейнеров Docker на отдельных хостах. По сути, ваш блокнот хранится в домашнем каталоге EFS и удаленно запускает код в другом Эластичное вычислительное облако Amazon (Amazon EC2), в котором находится предварительно созданный контейнер Docker, оснащенный библиотеками машинного обучения, такими как PyTorch, TensorFlow, Scikit-Learn и другими.
Архитектура удаленного ядра в SageMaker Studio предлагает заметные преимущества с точки зрения масштабируемости и гибкости. Однако у него есть свои ограничения, в том числе максимум четыре приложения для каждого типа инстанса и потенциальные узкие места из-за многочисленных подключений HTTPS/WSS к общему типу инстанса EC2. Эти ограничения могут негативно повлиять на взаимодействие с пользователем.
На следующей схеме архитектуры показана классическая архитектура SageMaker Studio. Он иллюстрирует процесс подключения пользователя к приложению Kernel Gateway через приложение Jupyter Server с использованием предпочитаемого веб-браузера.
Об авторах
Пранав Мурти — специалист по архитектуре решений AI/ML в AWS. Он специализируется на оказании помощи клиентам в создании, обучении, развертывании и переносе рабочих нагрузок машинного обучения (ML) в SageMaker. Ранее он работал в полупроводниковой промышленности, разрабатывая модели большого компьютерного зрения (CV) и обработки естественного языка (NLP) для улучшения полупроводниковых процессов с использованием современных методов машинного обучения. В свободное время любит играть в шахматы и путешествовать. Вы можете найти Пранав на LinkedIn.
Кунал Джа — старший менеджер по продукту в AWS. Он сосредоточен на создании Amazon SageMaker Studio как лучшего в своем классе решения для комплексной разработки машинного обучения. В свободное время Кунал любит кататься на лыжах и исследовать северо-запад Тихого океана. Вы можете найти его на LinkedIn.
Маджиша Намат Парамбат — старший инженер-программист в Amazon SageMaker. Она работает в Amazon более 8 лет и в настоящее время работает над улучшением комплексного опыта Amazon SageMaker Studio.
Бхарат Нандамури — старший инженер-программист, работающий в Amazon SageMaker Studio. Он увлечен созданием крупномасштабных серверных услуг, уделяя особое внимание разработке систем машинного обучения. Вне работы он любит играть в шахматы, ходить в походы и смотреть фильмы.
Дерек Лаузе — инженер-программист в AWS. Он стремится приносить пользу клиентам с помощью Amazon SageMaker Studio и экземпляров Notebook. В свободное время Дерек любит проводить время с семьей и друзьями и ходить в походы. Вы можете найти Дерека на LinkedIn.
- SEO-контент и PR-распределение. Получите усиление сегодня.
- PlatoData.Network Вертикальный генеративный ИИ. Расширьте возможности себя. Доступ здесь.
- ПлатонАйСтрим. Интеллект Web3. Расширение знаний. Доступ здесь.
- ПлатонЭСГ. Углерод, чистые технологии, Энергия, Окружающая среда, Солнечная, Управление отходами. Доступ здесь.
- ПлатонЗдоровье. Биотехнологии и клинические исследования. Доступ здесь.
- Источник: https://aws.amazon.com/blogs/machine-learning/boost-productivity-on-amazon-sagemaker-studio-introducing-jupyterlab-spaces-and-generative-ai-tools/
- :имеет
- :является
- :нет
- :куда
- $UP
- 000
- 100
- 11
- 12
- 16
- 25
- 60
- 7
- 8
- a
- способность
- в состоянии
- О нас
- выше
- ускорять
- ускоряющий
- доступ
- доступность
- доступной
- доступа
- Учетная запись
- через
- Действие (Act):
- Действие
- действия
- активно
- акты
- Ad
- дополнение
- дополнительный
- Дополнительно
- администрация
- административный
- администраторы
- Принятие
- продвинутый
- продвижение
- достижения
- Преимущества
- влиять на
- После
- агрегирование
- AI
- AI модели
- Поддержка
- AI / ML
- алгоритмы
- выравнивание
- Все
- распределение
- позволять
- позволяет
- рядом
- причислены
- альтернатива
- Несмотря на то, что
- Amazon
- Amazon Code Whisperer
- Amazon EC2
- Создатель мудреца Амазонки
- Студия Amazon SageMaker
- Amazon Web Services
- среди
- an
- анализ
- и
- ответы
- Антропный
- любой
- откуда угодно
- API
- приложение
- Применение
- Применить
- подхода
- Программы
- архитектурный
- архитектура
- МЫ
- массив
- Искусство
- искусственный
- искусственный интеллект
- AS
- внешний вид
- Помощь
- помощник
- связанный
- At
- прикреплять
- дополненная
- автор
- уполномоченный
- автоматически
- Автоматизация
- доступен
- прочь
- AWS
- назад
- Backend
- Использование темпера с изогнутым основанием
- основанный
- Базовая линия
- BE
- было
- начинать
- начинающий
- полезный
- Преимущества
- ЛУЧШЕЕ
- лучшие практики
- Лучшая
- между
- Заблокировать
- повышение
- стимулирование
- изоферменты печени
- узкие
- Коробка
- Приносит
- широкий
- браузер
- строить
- Строительство
- но
- by
- Кэш
- под названием
- CAN
- возможности
- Центр
- определенный
- шахматы
- выбор
- Выберите
- классический
- ближе
- код
- кодовая база
- Кодирование
- сотрудничать
- совместный
- сочетание
- комбинаты
- комментарий
- Комментарии
- привержен
- Общий
- Связь
- спутник
- сравнения
- полный
- комплекс
- сложности
- сложность
- Соответствие закону
- комплексный
- Вычисление
- компьютер
- Компьютерное зрение
- вычисление
- сама концепция
- состояние
- Конфигурация
- настроить
- подключенный
- Соединительный
- Коммутация
- последовательный
- последовательно
- Состоящий из
- Container
- Контейнеры
- содержание
- продолжать
- продолжается
- контроль
- Удобно
- диалоговый
- краеугольный камень
- Цена
- Расходы
- может
- чехол для варгана
- Создайте
- создали
- Создающий
- креативность
- решающее значение
- CSS
- В настоящее время
- изготовленный на заказ
- клиент
- Клиенты
- настройка
- настроить
- данным
- анализ данных
- обработка данных
- наука о данных
- визуализация данных
- Наборы данных
- преданный
- По умолчанию
- доставить
- копаться
- демонстрировать
- развертывание
- развертывание
- Дерек
- описывающих
- Проект
- предназначенный
- подробный
- подробнее
- Застройщик
- застройщиков
- развивающийся
- Развитие
- Инструменты разработки
- различный
- направлять
- непосредственно
- каталоги
- обсуждать
- отчетливый
- распределительный
- распределение
- do
- Docker
- документ
- домен
- доменов
- сделанный
- вниз
- управлять
- диски
- два
- каждый
- Ранее
- простота
- легче
- легко
- редактор
- эффект
- Эффективный
- фактически
- затрат
- эффективный
- эффективно
- усилие
- легкий
- легко
- или
- возвышенный
- вложения
- расширение прав и возможностей
- Наделяет
- включить
- включен
- позволяет
- позволяет
- охватывает
- шифрование
- конец
- впритык
- инженер
- Проект и
- повышать
- расширение
- улучшения
- Усиливает
- повышение
- обеспечивает
- Enter
- Окружающая среда
- средах
- оборудованный
- сущность
- существенный
- установить
- Даже
- развивается
- пример
- выполнение
- существующий
- опыт
- Эксперименты
- Объяснять
- Исследование
- продлить
- расширение
- расширения
- обширный
- дополнительно
- Face
- содействовал
- облегчающий
- ложный
- фамильярность
- семья
- БЫСТРО
- быстрее
- Особенность
- Особенности
- Показывая
- несколько
- поле
- Файл
- Файлы
- Найдите
- Трансформируемость
- гибкого
- гибко
- жидкость
- Фокус
- внимание
- фокусируется
- после
- Что касается
- вперед
- содействие
- найденный
- 4
- Бесплатно
- частое
- друзья
- от
- полностью
- функция
- функциональность
- далее
- шлюз
- порождать
- порождающий
- поколение
- генеративный
- Генеративный ИИ
- идти
- дает
- Go
- предоставлять
- гранты
- схватывание
- большой
- значительно
- Ручки
- Управляемость
- Есть
- he
- помощь
- помощь
- High
- высокая производительность
- высший
- очень
- его
- его
- Главная
- кашель
- состоялся
- хостов
- дома
- Как
- How To
- Однако
- HTML
- HTTP
- HTTPS
- ID
- идеальный
- if
- иллюстрирует
- иллюстрирующая
- изображений
- важную
- важно
- улучшать
- улучшенный
- улучшение
- улучшение
- улучшение
- in
- недоступный
- включают
- включает в себя
- В том числе
- Увеличение
- расширились
- Увеличивает
- повышение
- независимые
- самостоятельно
- individual
- промышленность
- информация
- первоначально
- Инновации
- инновационный
- внутри
- понимание
- размышления
- установка
- пример
- инструкции
- интегрировать
- интегрированный
- интеграции.
- Интеллекта
- Умный
- предназначенных
- взаимодействовать
- взаимодействующий
- Интерфейс
- в
- вводить
- выпустили
- Представляет
- введение
- Введение
- IT
- ЕГО
- JPG
- всего
- хранение
- Основные
- ключи
- маркировка
- пейзаж
- язык
- большой
- наконец
- Задержка
- последний
- запуск
- запустили
- запуск
- вести
- Leap
- изучение
- Меньше
- уровень
- библиотеки
- Жизненный цикл
- такое как
- недостатки
- связанный
- Список
- LLM
- загрузка
- локальным
- расположенный
- логический
- Длинное
- посмотреть
- ниже
- машина
- обучение с помощью машины
- сделанный
- магия
- Сохранение
- техническое обслуживание
- сделать
- ДЕЛАЕТ
- Создание
- управлять
- управляемого
- менеджер
- управления
- вручную
- отметка
- максимальный
- Май..
- означает
- Участники
- Память
- Меню
- обмен сообщениями
- методы
- мигрировать
- минимальный
- сводит к минимуму
- минимальный
- Минут
- ML
- модель
- Модели
- Модерн
- изменять
- БОЛЕЕ
- более эффективным
- Более того
- самых
- ГОРУ
- Кино
- перемещение
- много
- с разными
- должен
- имя
- родной
- натуральный
- Обработка естественного языка
- Откройте
- необходимо
- Необходимость
- необходимый
- отрицательно
- сеть
- сетей
- Новые
- НЛП
- нет
- примечательный
- в своих размышлениях
- ноутбук
- сейчас
- многочисленный
- of
- предлагают
- предложенный
- предлагающий
- Предложения
- Официальный представитель в Грузии
- .
- on
- Onboard
- ONE
- только
- на
- открытый
- с открытым исходным кодом
- работать
- Операционный отдел
- оптимизация
- оптимизированный
- Опция
- Опции
- or
- организационной
- первоначально
- Другое
- наши
- внешний
- внешнюю
- за
- общий
- собственный
- Владельцы
- Тихий океан
- страница
- часть
- особенно
- страстный
- путь
- паттеранами
- Пауза
- для
- Выполнять
- производительность
- разрешение
- Разрешения
- Платформа
- Платон
- Платон Интеллектуальные данные
- ПлатонДанные
- детская площадка
- игры
- Точка
- сборах
- политика
- После
- потенциал
- практиками
- привилегированный
- подготовка
- предыдущий
- предварительно
- в первую очередь
- Принципы
- частная
- решение проблем
- процесс
- Обработанный
- Процессы
- обработка
- Продукт
- Менеджер по продукции
- Производство
- производительность
- Профиль
- Профили
- Программирование
- Проект
- проектов
- свойства
- обеспечивать
- поставщики
- приводит
- обеспечение
- целей
- Питон
- pytorch
- Вопросы
- САЙТ
- быстрее
- быстро
- ассортимент
- быстро
- готовый
- реального времени
- Получать
- рекомендаций
- Цена снижена
- снижение
- относиться
- Несмотря на
- область
- Связанный
- повторно запускать
- освободить
- выпустил
- остатки
- удаленные
- удаленно
- повторяющийся
- представление
- представляет
- Требования
- требуется
- ресурс
- Полезные ресурсы
- отзывчивый
- ОТДЫХ
- перезапущен
- ограниченный
- в результате
- Итоги
- продолжить
- революция
- правую
- надежный
- Роли
- корень
- рутина
- Правило
- Run
- Бег
- работает
- время выполнения
- sagemaker
- то же
- песочница
- Масштабируемость
- Шкала
- Сценарии
- Наука
- Ученые
- scikit учиться
- скрипты
- бесшовные
- легко
- Поиск
- закаленный
- секунды
- разделах
- безопасный
- безопасность
- политики безопасности
- посмотреть
- полупроводник
- старший
- отдельный
- служить
- сервер
- Серверы
- служит
- обслуживание
- Услуги
- Сессия
- сессиях
- набор
- установка
- настройки
- установка
- несколько
- Поделиться
- общие
- Акции
- разделение
- она
- сдвиг
- показанный
- Шоу
- значительный
- существенно
- аналогичный
- упрощает
- упростить
- одинарной
- Размер
- Размеры
- отрывок
- So
- Software
- Инженер-программист
- твердый
- твердеть
- Решение
- Решения
- некоторые
- Источник
- Space
- пространства
- специалист
- конкретный
- Расходы
- Вращение
- раскол
- Стабильность
- стабильный
- стандарт
- Начало
- ввод в эксплуатацию
- Область
- заявление
- Области
- Шаг
- Шаги
- Stop
- остановившийся
- диск
- магазин
- хранить
- хранение
- простой
- обтекаемый
- упорядочение
- структур
- студия
- такие
- РЕЗЮМЕ
- поддержка
- Поддержанный
- Убедитесь
- Коммутатор
- система
- системы
- взять
- принимает
- Сложность задачи
- задачи
- команда
- Члены команды
- команды
- технологии
- техническая промышленность
- снижения вреда
- Технологии
- tensorflow
- Терминал
- terms
- тестXNUMX
- тестов
- текст
- чем
- Спасибо
- который
- Ассоциация
- их
- Их
- тогда
- Там.
- тем самым
- Эти
- они
- этой
- те
- Через
- время
- в
- вместе
- инструментом
- инструменты
- топ
- к
- Train
- Обучение
- переход
- переход
- Путешествие
- правда
- стараться
- мелодия
- напишите
- Типы
- типично
- ui
- нижнее подчеркивание
- понимать
- созданного
- беспрецедентный
- до
- Обновление ПО
- обновление
- Updates
- обновление
- модернизация
- повышен
- us
- Применение
- использование
- используемый
- Информация о пользователе
- Пользовательский опыт
- удобно
- пользователей
- использования
- через
- Проверка
- ценный
- ценностное
- разнообразие
- различный
- версия
- с помощью
- видимость
- видение
- визуальный
- визуализация
- объем
- тома
- законопроект
- наблюдение
- Путь..
- we
- Web
- веб-браузер
- веб-сервер
- веб-сервисы
- Web-Based
- были
- когда
- когда бы ни
- будь то
- который
- в то время как
- КТО
- широкий
- будете
- желание
- в
- без
- Работа
- работать вместе
- работавший
- рабочий
- Рабочие процессы
- работает
- мире
- записывать
- лет
- Ты
- ВАШЕ
- зефирнет