Amazon SageMaker Studio Lab fortsätter att demokratisera ML med mer skala och funktionalitet

För att göra maskininlärning (ML) mer tillgänglig lanserade Amazon Amazon SageMaker Studio Lab på AWS re:Invent 2021. Idag använder tiotusentals kunder det varje dag för att lära sig och experimentera med ML gratis. Vi gjorde det enkelt att komma igång med bara en e-postadress, utan behov av installationer, inställningar, kreditkort eller ett AWS-konto.

SageMaker Studio Lab resonerar med kunder som vill lära sig antingen i en informell eller formell miljö, vilket framgår av en färsk undersökning som tyder på att 49 % av vår nuvarande kundbas lär sig på egen hand, medan 21 % går en formell ML-kurs. Institutioner för högre utbildning har börjat använda det, eftersom det hjälper dem att lära ut ML-grunderna utöver den bärbara datorn, som miljö- och resurshantering, som är kritiska områden för framgångsrika ML-projekt. Företagspartners som Hugging Face, Snowflake och Roboflow använder SageMaker Studio Lab för att visa upp sina egna ML-funktioner.

I det här inlägget diskuterar vi nya funktioner i SageMaker Studio Lab och delar några kundframgångsberättelser.

Nya funktioner i SageMaker Studio Lab

Vi har fortsatt att utveckla nya funktioner och mekanismer för att glädja, skydda och möjliggöra vår ML-gemenskap. Här är de senaste förbättringarna:

• För att skydda CPU- och GPU-kapaciteten från potentiell användningsmissbruk lanserade vi en tvåstegsverifiering, vilket ökar storleken på samhället vi kan betjäna. Framöver måste varje kund koppla sitt konto till ett mobiltelefonnummer.
• I oktober 2022 lanserade vi automatiska kontogodkännanden, så att du kan få ett SageMaker Studio Lab-konto på mindre än en dag.
• Vi tredubblade kapaciteten för GPU och CPU, vilket gör att de flesta av våra kunder kan få en instans när de behöver den.
• Ett säkert läge introducerades för att hjälpa dig att gå vidare om din miljö blir instabil. Även om detta är sällsynt händer det vanligtvis när kunder överskrider sina lagringsgränser.
• Vi har lagt till stöd för tillägget Juptyer-LSP (Language Server Protocol), vilket ger dig funktionalitet för kodkomplettering. Observera att om du fick ditt konto före november 2022 kan du få den här funktionen genom att följa några enkla instruktioner (se FAQ för detaljer).

Kundernas framgångsberättelser

Vi fortsätter att vara kundbesatta och erbjuder viktiga funktioner till kunder baserat på deras feedback. Här är några höjdpunkter från viktiga institutioner och partners:

"SageMaker Studio Lab löser ett verkligt problem i klassrummet genom att det tillhandahåller en Jupyter-lösning med industriell styrka med GPU som går längre än bara en värddator. Möjligheten att lägga till paket, konfigurera en miljö och öppna en terminal har öppnat många nya inlärningsmöjligheter för studenter. Slutligen, finjustering av Hugging Face-modeller med kraftfulla grafikprocessorer har varit ett fantastiskt framväxande arbetsflöde att presentera för studenter. LLM (stora språkmodeller) är framtiden för AI, och SageMaker Studio Lab har gjort det möjligt för mig att lära ut framtiden för AI.”

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

"SageMaker Studio Lab har använts av mitt team sedan det var i beta på grund av dess kraftfulla erfarenhet för ML-utvecklare. Den integreras utan ansträngning med Snowpark, Snowflakes utvecklarramverk, för att tillhandahålla ett lättstartat gränssnitt för bärbara datorer för Snowflake Python-utvecklare. Jag har använt den för flera demonstrationer med kunder och partners, och responsen har varit överväldigande positiv.”

—Eda Johnson, Partner Industry Solutions Manager på Snowflake

"Roboflow ger utvecklare möjlighet att bygga sina egna datorvisionsapplikationer, oavsett kompetens eller erfarenhet. Med SageMaker Studio Lab kan vår stora grupp av datorvisionsutvecklare komma åt våra modeller och data i en miljö som liknar ett lokalt JupyterLab, vilket är vad de är mest vana vid. SageMaker Studio Labs ihållande lagring är en game changer, eftersom du inte behöver börja från början för varje användarsession. SageMaker Studio Lab har personligen blivit min favoritplattform för bärbara datorer.”

—Mark McQuade, Field Engineering på Roboflow

"RPI äger en av de mest kraftfulla superdatorerna i världen, men den (AiMOS) har en brant inlärningskurva. Vi behövde ett sätt för våra elever att komma igång effektivt och sparsamt. SageMaker Studio Labs intuitiva gränssnitt gjorde det möjligt för våra elever att komma igång snabbt och gav kraftfull GPU, som gjorde det möjligt för dem att arbeta med komplexa djupinlärningsmodeller för sina slutstensprojekt.”

—Mohammed J. Zaki, professor i datavetenskap vid Rensselaer Polytechnic Institute

"Jag använder SageMaker Studio Lab i grundläggande maskininlärning och Python-relaterade kurser som är designade för att ge eleverna en solid grund i många molnteknologier. Studio Lab gör det möjligt för våra studenter att få praktisk erfarenhet av verkliga datavetenskapsprojekt, utan att de behöver fastna i inställningar eller konfigurationer. Till skillnad från andra leverantörer är det en Linux-maskin för studenter, och eleverna kan verkligen göra mycket fler kodningsövningar!”

—Cyrus Wong, universitetslektor, högre examen i moln- och datacenteradministration vid Institutionen för informationsteknologi, IVE (LWL)

"Studenter i Northwestern Engineerings Master of Science in Artificial Intelligence (MSAI)-program fick en snabb rundtur i SageMaker Studio Lab innan de använde det i ett 5-timmars hackathon för att tillämpa det de lärt sig i en verklig situation. Vi förväntade oss att eleverna naturligt skulle stöta på några hinder under den mycket korta tidsperioden. Istället överträffade eleverna våra förväntningar genom att inte bara slutföra alla projekt utan också ge mycket bra presentationer där de visade upp fascinerande lösningar på viktiga verkliga problem.”

—Mohammed Alam, biträdande direktör för MSAI-programmet vid Northwestern University

Kom igång med SageMaker Studio Lab

SageMaker Studio Lab är en bra startpunkt för alla som är intresserade av att lära sig mer om ML och datavetenskap. Amazon fortsätter att investera i denna gratistjänst, såväl som andra utbildningstillgångar och stipendieprogram, för att göra ML tillgängligt för alla.

Kom igång med SageMaker Studio Lab i dag!

---

Om författaren

Michele Monclova är en huvudproduktchef på AWS i SageMaker-teamet. Hon är en infödd New Yorker och Silicon Valley-veteran. Hon brinner för innovationer som förbättrar vår livskvalitet.