สตูดิโอ Amazon SageMaker นำเสนอชุดสภาพแวดล้อมการพัฒนาแบบรวมที่มีการจัดการเต็มรูปแบบ (IDE) สำหรับการพัฒนาแมชชีนเลิร์นนิง (ML) รวมถึง JupyterLab, ตัวแก้ไขโค้ดที่ใช้ Code-OSS (Visual Studio Code Open Source) และ RStudio โดยให้การเข้าถึงชุดเครื่องมือที่ครอบคลุมที่สุดสำหรับแต่ละขั้นตอนของการพัฒนา ML ตั้งแต่การเตรียมข้อมูลไปจนถึงการสร้าง การฝึกอบรม การปรับใช้ และการจัดการโมเดล ML คุณสามารถเปิดใช้ JuptyerLab ที่มีการจัดการเต็มรูปแบบด้วย SageMaker Distribution ที่กำหนดค่าไว้ล่วงหน้าได้ภายในไม่กี่วินาที เพื่อทำงานกับสมุดบันทึก โค้ด และข้อมูลของคุณ อินเทอร์เฟซที่ยืดหยุ่นและขยายได้ของ SageMaker Studio ช่วยให้คุณกำหนดค่าและจัดการเวิร์กโฟลว์ ML ได้อย่างง่ายดาย และคุณสามารถใช้ตัวเข้ารหัสแบบอินไลน์ที่ขับเคลื่อนด้วย AI เพื่อสร้าง ดีบัก อธิบาย และทดสอบโค้ดได้อย่างรวดเร็ว
ในโพสต์นี้ เราจะมาดูรายละเอียด SageMaker Studio ที่ได้รับการอัปเดตและ JupyterLab IDE อย่างละเอียด ซึ่งออกแบบมาเพื่อเพิ่มประสิทธิภาพการทำงานของนักพัฒนา ML เราแนะนำแนวคิดของ Spaces และอธิบายว่า JupyterLab Spaces ช่วยให้สามารถปรับแต่งทรัพยากรการประมวลผล พื้นที่จัดเก็บ และรันไทม์ได้อย่างยืดหยุ่น เพื่อปรับปรุงประสิทธิภาพเวิร์กโฟลว์ ML ของคุณได้อย่างไร นอกจากนี้เรายังหารือถึงการเปลี่ยนแปลงไปสู่โมเดลการดำเนินการแบบโลคัลไลซ์ใน JupyterLab ซึ่งส่งผลให้ได้รับประสบการณ์การเขียนโค้ดที่รวดเร็วยิ่งขึ้น มีเสถียรภาพมากขึ้น และตอบสนองได้ดียิ่งขึ้น นอกจากนี้เรายังครอบคลุมถึงการบูรณาการอย่างราบรื่นของเครื่องมือ AI ทั่วไป เช่น Amazon Code Whisperer และ Jupyter AI ภายใน SageMaker Studio JupyterLab Spaces ซึ่งแสดงให้เห็นว่าพวกเขาช่วยให้นักพัฒนาใช้ AI เพื่อช่วยเหลือด้านการเขียนโค้ดและการแก้ปัญหาเชิงนวัตกรรมได้อย่างไร
ขอแนะนำ Spaces ใน SageMaker Studio
ใหม่ อินเทอร์เฟซบนเว็บของ SageMaker Studio ทำหน้าที่เป็นศูนย์บัญชาการสำหรับเรียกใช้ IDE ที่คุณต้องการและเข้าถึงของคุณ อเมซอน SageMaker เครื่องมือสำหรับสร้าง ฝึกอบรม ปรับแต่ง และปรับใช้โมเดล นอกเหนือจาก JupyterLab และ RStudio แล้ว ตอนนี้ SageMaker Studio ยังมีตัวแก้ไขโค้ดที่ได้รับการจัดการอย่างเต็มรูปแบบซึ่งใช้ Code-OSS (Visual Studio Code Open Source) สามารถเปิดใช้งานทั้ง JupyterLab และ Code Editor ได้โดยใช้พื้นที่ทำงานที่ยืดหยุ่นที่เรียกว่า Spaces
Space คือการแสดงการกำหนดค่าของ SageMaker IDE เช่น JupyterLab หรือ Code Editor ซึ่งได้รับการออกแบบมาเพื่อคงอยู่ไม่ว่าแอปพลิเคชัน (IDE) ที่เกี่ยวข้องกับ Space จะทำงานอยู่หรือไม่ก็ตาม Space แสดงถึงการผสมผสานระหว่างอินสแตนซ์การประมวลผล พื้นที่จัดเก็บข้อมูล และการกำหนดค่ารันไทม์อื่นๆ ด้วย Spaces คุณสามารถสร้างและปรับขนาดการประมวลผลและพื้นที่จัดเก็บข้อมูลสำหรับ IDE ของคุณขึ้นและลงตามที่คุณไป ปรับแต่งสภาพแวดล้อมรันไทม์ และหยุดชั่วคราวและเขียนโค้ดต่อได้ทุกเมื่อจากทุกที่ คุณสามารถสร้าง Space ดังกล่าวได้หลาย Space โดยแต่ละ Space กำหนดค่าด้วยการผสมผสานระหว่างการประมวลผล พื้นที่จัดเก็บ และรันไทม์ที่แตกต่างกัน
เมื่อ Space ถูกสร้างขึ้น มันจะติดตั้ง ร้านค้า Amazon Elastic Block (อเมซอน อีบีเอส) ปริมาณซึ่งใช้เพื่อจัดเก็บไฟล์ ข้อมูล แคช และสิ่งประดิษฐ์อื่นๆ ของผู้ใช้ โดยจะแนบไปกับอินสแตนซ์การประมวลผล ML ทุกครั้งที่เรียกใช้ Space ไดรฟ์ข้อมูล EBS ช่วยให้มั่นใจได้ว่าไฟล์ผู้ใช้ ข้อมูล แคช และสถานะเซสชันจะได้รับการกู้คืนอย่างสม่ำเสมอทุกครั้งที่รีสตาร์ท Space ที่สำคัญ ไดรฟ์ข้อมูล EBS นี้ยังคงอยู่ ไม่ว่า Space จะอยู่ในสถานะทำงานหรือหยุดทำงานก็ตาม มันจะคงอยู่ต่อไปจนกว่า Space จะถูกลบ
นอกจากนี้ เรายังได้เปิดตัวฟีเจอร์ระบบไฟล์ที่นำมาเองสำหรับผู้ใช้ที่ต้องการแชร์สภาพแวดล้อมและอาร์ติแฟกต์ระหว่าง Space ผู้ใช้ หรือแม้แต่โดเมนต่างๆ ซึ่งจะทำให้คุณสามารถเลือกติดตั้ง Spaces ของคุณเองได้ ระบบไฟล์ Amazon Elastic (Amazon EFS) เมาท์ อำนวยความสะดวกในการแบ่งปันทรัพยากรในพื้นที่ทำงานต่างๆ
การสร้างพื้นที่
ขณะนี้การสร้างและการเปิดตัว Space ใหม่ทำได้อย่างรวดเร็วและตรงไปตรงมา ใช้เวลาเพียงไม่กี่วินาทีในการตั้งค่า Space ใหม่ด้วยอินสแตนซ์การเปิดใช้งานที่รวดเร็ว และใช้เวลาน้อยกว่า 60 วินาทีในการเรียกใช้ Space Spaces มีการตั้งค่าที่กำหนดไว้ล่วงหน้าสำหรับการประมวลผลและพื้นที่เก็บข้อมูล ซึ่งจัดการโดยผู้ดูแลระบบ ผู้ดูแลระบบ SageMaker Studio สามารถสร้างการตั้งค่าล่วงหน้าระดับโดเมนสำหรับการกำหนดค่าการประมวลผล พื้นที่จัดเก็บ และรันไทม์ได้ การตั้งค่านี้ช่วยให้คุณเปิดพื้นที่ใหม่ได้อย่างรวดเร็วโดยใช้ความพยายามเพียงเล็กน้อย โดยคลิกเพียงไม่กี่ครั้ง คุณยังมีตัวเลือกในการแก้ไขการกำหนดค่าการประมวลผล พื้นที่เก็บข้อมูล หรือรันไทม์ของ Space เพื่อการปรับแต่งเพิ่มเติม
สิ่งสำคัญที่ควรทราบคือการสร้าง Space จำเป็นต้องอัปเดตบทบาทการดำเนินการโดเมน SageMaker ด้วยนโยบายดังตัวอย่างต่อไปนี้ คุณต้องให้สิทธิ์ผู้ใช้ของคุณสำหรับพื้นที่ส่วนตัวและโปรไฟล์ผู้ใช้ที่จำเป็นในการเข้าถึงพื้นที่ส่วนตัวเหล่านี้ สำหรับคำแนะนำโดยละเอียด โปรดดูที่ ให้ผู้ใช้ของคุณเข้าถึงพื้นที่ส่วนตัว.
หากต้องการสร้างพื้นที่ทำงาน ให้ทำตามขั้นตอนต่อไปนี้:
- ใน SageMaker Studio ให้เลือก จูปิเตอร์แล็บ บน การใช้งาน เมนู
- Choose สร้างพื้นที่ JupyterLab.
- สำหรับ Nameให้ป้อนชื่อ Space ของคุณ
- Choose สร้างพื้นที่.
- Choose วิ่งพื้นที่ เพื่อเปิด Space ใหม่ของคุณด้วยค่าที่ตั้งล่วงหน้าเริ่มต้นหรืออัปเดตการกำหนดค่าตามความต้องการของคุณ
การกำหนดค่าพื้นที่ใหม่
พื้นที่ได้รับการออกแบบมาเพื่อให้ผู้ใช้สามารถสลับระหว่างประเภทการประมวลผลต่างๆ ได้อย่างราบรื่นตามต้องการ คุณสามารถเริ่มต้นด้วยการสร้าง Space ใหม่ด้วยการกำหนดค่าเฉพาะ ซึ่งส่วนใหญ่ประกอบด้วยการประมวลผลและพื้นที่เก็บข้อมูล หากคุณต้องการสลับไปใช้ประเภทการประมวลผลอื่นโดยมีจำนวน vCPU สูงหรือต่ำลง หน่วยความจำไม่มากก็น้อย หรืออินสแตนซ์ที่ใช้ GPU ณ จุดใดๆ ในเวิร์กโฟลว์ของคุณ คุณก็ดำเนินการได้อย่างง่ายดาย หลังจากที่คุณหยุด Space แล้ว คุณจะแก้ไขการตั้งค่าได้โดยใช้ UI หรือ API ผ่านอินเทอร์เฟซ SageMaker Studio ที่อัปเดตแล้วรีสตาร์ท Space SageMaker Studio จัดการการจัดเตรียม Space ที่มีอยู่ของคุณให้กับการกำหนดค่าใหม่โดยอัตโนมัติ โดยที่คุณไม่ต้องดำเนินการใดๆ เพิ่มเติม
ทำตามขั้นตอนต่อไปนี้เพื่อแก้ไขพื้นที่ที่มีอยู่:
- ในหน้ารายละเอียดพื้นที่ ให้เลือก หยุดพื้นที่.
- กำหนดค่าการประมวลผล พื้นที่เก็บข้อมูล หรือรันไทม์ใหม่
- Choose วิ่งพื้นที่ เพื่อเปิดพื้นที่อีกครั้ง
พื้นที่ทำงานของคุณจะได้รับการอัปเดตด้วยประเภทพื้นที่จัดเก็บและอินสแตนซ์การประมวลผลใหม่ที่คุณร้องขอ
สถาปัตยกรรม SageMaker Studio JupyterLab ใหม่
ทีม SageMaker Studio ยังคงคิดค้นและลดความซับซ้อนของประสบการณ์นักพัฒนาด้วยการเปิดตัวประสบการณ์ SageMaker Studio JupyterLab ที่มีการจัดการเต็มรูปแบบใหม่ ประสบการณ์ SageMaker Studio JupyterLab ใหม่ผสมผสานสิ่งที่ดีที่สุดของทั้งสองโลก: ความสามารถในการปรับขนาดและความยืดหยุ่นของ SageMaker สตูดิโอคลาสสิก (ดูภาคผนวกท้ายโพสต์นี้) ด้วยความเสถียรและความคุ้นเคยของ JupyterLab โอเพ่นซอร์ส เพื่อให้เข้าใจถึงการออกแบบประสบการณ์ JupyterLab ใหม่นี้ เราจะมาเจาะลึกแผนผังสถาปัตยกรรมต่อไปนี้กัน ซึ่งจะช่วยให้เราเข้าใจการบูรณาการและฟีเจอร์ต่างๆ ของแพลตฟอร์ม JupyterLab Spaces ใหม่นี้ได้ดีขึ้น
โดยสรุป เราได้เปลี่ยนไปสู่สถาปัตยกรรมแบบโลคัลไลซ์แล้ว ในการตั้งค่าใหม่นี้ เซิร์ฟเวอร์ Jupyter และกระบวนการเคอร์เนลทำงานควบคู่กันไปในคอนเทนเนอร์ Docker เดียว ซึ่งโฮสต์บนอินสแตนซ์การประมวลผล ML เดียวกัน อินสแตนซ์ ML เหล่านี้ได้รับการจัดเตรียมเมื่อ Space กำลังทำงาน และเชื่อมโยงกับไดรฟ์ข้อมูล EBS ที่สร้างขึ้นเมื่อ Space ถูกสร้างขึ้นครั้งแรก
สถาปัตยกรรมใหม่นี้ให้ประโยชน์หลายประการ เราจะพูดถึงสิ่งเหล่านี้บางส่วนในส่วนต่อไปนี้
ลดเวลาแฝงและเพิ่มเสถียรภาพ
SageMaker Studio ได้เปลี่ยนไปใช้โมเดลการทำงานในเครื่อง โดยย้ายออกจากโมเดลแยกก่อนหน้านี้ซึ่งมีการจัดเก็บโค้ดไว้บนการติดตั้ง EFS และรันจากระยะไกลบนอินสแตนซ์ ML ผ่าน Kernel Gateway ระยะไกล ในการตั้งค่าก่อนหน้านี้ Kernel Gateway ซึ่งเป็นเว็บเซิร์ฟเวอร์แบบ headless ได้เปิดใช้งานการทำงานของเคอร์เนลผ่านการสื่อสารระยะไกลกับเคอร์เนล Jupyter ผ่าน HTTPS/WSS การกระทำของผู้ใช้ เช่น การรันโค้ด การจัดการโน้ตบุ๊ก หรือการรันคำสั่งเทอร์มินัลได้รับการประมวลผลโดยแอป Kernel Gateway บนอินสแตนซ์ ML ระยะไกล โดยที่ Kernel Gateway อำนวยความสะดวกในการดำเนินการเหล่านี้ผ่าน ZeroMQ (ZMQ) ภายในคอนเทนเนอร์ Docker แผนภาพต่อไปนี้แสดงให้เห็นถึงสถาปัตยกรรมนี้
สถาปัตยกรรม JupyterLab ที่อัปเดตจะรันการดำเนินการเคอร์เนลทั้งหมดโดยตรงบนอินสแตนซ์ในเครื่อง โดยทั่วไปแล้วแนวทาง Jupyter Server ภายในเครื่องนี้จะมอบประสิทธิภาพที่ได้รับการปรับปรุงและสถาปัตยกรรมที่ไม่ซับซ้อน ลดเวลาแฝงและความซับซ้อนของเครือข่าย ลดความซับซ้อนของสถาปัตยกรรมเพื่อการดีบักและบำรุงรักษาที่ง่ายขึ้น ปรับปรุงการใช้ทรัพยากร และรองรับรูปแบบการส่งข้อความที่ยืดหยุ่นมากขึ้นสำหรับปริมาณงานที่ซับซ้อนที่หลากหลาย
โดยพื้นฐานแล้ว การอัปเกรดนี้ทำให้โน้ตบุ๊กที่ใช้งานอยู่และโค้ดอยู่ใกล้กับเคอร์เนลมากขึ้น ช่วยลดเวลาแฝงและเพิ่มเสถียรภาพได้อย่างมาก
ปรับปรุงการควบคุมพื้นที่เก็บข้อมูลที่จัดเตรียมไว้
SageMaker Studio Classic เดิมใช้ Amazon EFS เพื่อมอบพื้นที่จัดเก็บไฟล์ที่ใช้ร่วมกันอย่างต่อเนื่องสำหรับไดเร็กทอรีโฮมของผู้ใช้ภายในสภาพแวดล้อม SageMaker Studio การตั้งค่านี้ช่วยให้คุณสามารถจัดเก็บสมุดบันทึก สคริปต์ และไฟล์โปรเจ็กต์อื่นๆ ไว้ที่ส่วนกลาง ซึ่งสามารถเข้าถึงได้จากเซสชันและอินสแตนซ์ SageMaker Studio ทั้งหมดของคุณ
ด้วยการอัปเดตล่าสุดเป็น SageMaker Studio จะมีการเปลี่ยนแปลงจากพื้นที่จัดเก็บบน Amazon EFS ไปเป็นโซลูชันบน Amazon EBS ไดรฟ์ข้อมูล EBS ที่จัดเตรียมด้วย SageMaker Studio Spaces คือ วอลุ่ม GP3 ออกแบบมาเพื่อมอบประสิทธิภาพพื้นฐานที่สม่ำเสมอที่ 3,000 IOPS โดยไม่ขึ้นกับขนาดวอลุ่ม พื้นที่จัดเก็บ Amazon EBS ใหม่นี้มอบประสิทธิภาพที่สูงขึ้นสำหรับงานที่ใช้ I/O เข้มข้น เช่น การฝึกโมเดล การประมวลผลข้อมูล การประมวลผลประสิทธิภาพสูง และการแสดงภาพข้อมูล การเปลี่ยนแปลงนี้ยังช่วยให้ผู้ดูแลระบบ SageMaker Studio มีความเข้าใจและควบคุมการใช้พื้นที่เก็บข้อมูลตามโปรไฟล์ผู้ใช้ภายในโดเมนหรือทั่วทั้ง SageMaker ได้ดียิ่งขึ้น ตอนนี้คุณสามารถตั้งค่าเริ่มต้น (DefaultEbsVolumeSizeInGb
) และสูงสุด (MaximumEbsVolumeSizeInGb
) ขนาดพื้นที่เก็บข้อมูลสำหรับ JupyterLab Spaces ภายในแต่ละโปรไฟล์ผู้ใช้
นอกจากประสิทธิภาพที่ได้รับการปรับปรุงแล้ว คุณยังปรับขนาดพื้นที่จัดเก็บข้อมูลที่แนบมากับอินสแตนซ์การประมวลผล ML ของ Space ได้อย่างยืดหยุ่นด้วยการแก้ไขการตั้งค่า Space โดยใช้การดำเนินการ UI หรือ API จากอินเทอร์เฟซ SageMaker Studio ของคุณ โดยไม่ต้องดำเนินการดูแลระบบใดๆ อย่างไรก็ตาม โปรดทราบว่าคุณสามารถแก้ไขขนาดไดรฟ์ข้อมูล EBS ได้ในทิศทางเดียวเท่านั้น หลังจากที่คุณเพิ่มขนาดไดรฟ์ข้อมูล EBS ของ Space แล้ว คุณจะไม่สามารถลดขนาดไดรฟ์กลับลงไปได้
ขณะนี้ SageMaker Studio นำเสนอการควบคุมระดับสูงของพื้นที่จัดเก็บข้อมูลที่จัดเตรียมไว้สำหรับผู้ดูแลระบบ:
- ผู้ดูแลระบบ SageMaker Studio สามารถจัดการขนาดวอลุ่ม EBS สำหรับโปรไฟล์ผู้ใช้ได้ ไดรฟ์ข้อมูล JupyterLab EBS เหล่านี้อาจแตกต่างกันตั้งแต่ขั้นต่ำ 5 GB ไปจนถึงสูงสุด 16 TB ข้อมูลโค้ดต่อไปนี้แสดงวิธีสร้างหรืออัปเดตโปรไฟล์ผู้ใช้ด้วยการตั้งค่าเริ่มต้นและพื้นที่สูงสุด:
- ขณะนี้ SageMaker Studio นำเสนอคุณสมบัติการติดแท็กอัตโนมัติที่ได้รับการปรับปรุงสำหรับทรัพยากร Amazon EBS โดยติดป้ายกำกับปริมาณที่สร้างโดยผู้ใช้โดยอัตโนมัติด้วยข้อมูลโดเมน ผู้ใช้ และพื้นที่ ความก้าวหน้านี้ช่วยลดความยุ่งยากในการวิเคราะห์การจัดสรรต้นทุนสำหรับทรัพยากรการจัดเก็บข้อมูล ช่วยให้ผู้ดูแลระบบในการจัดการและจัดสรรต้นทุนได้อย่างมีประสิทธิภาพมากขึ้น สิ่งสำคัญที่ควรทราบก็คือปริมาณ EBS เหล่านี้โฮสต์อยู่ในบัญชีบริการ ดังนั้นคุณจะไม่สามารถมองเห็นได้โดยตรง อย่างไรก็ตาม การใช้พื้นที่จัดเก็บข้อมูลและต้นทุนที่เกี่ยวข้องจะเชื่อมโยงโดยตรงกับโดเมน ARN, ARN โปรไฟล์ผู้ใช้ และ Space ARN ซึ่งอำนวยความสะดวกในการจัดสรรต้นทุนที่ตรงไปตรงมา
- ผู้ดูแลระบบยังสามารถควบคุมการเข้ารหัสโวลุ่ม EBS ของ Space ที่เหลือได้โดยใช้คีย์ที่จัดการโดยลูกค้า (CMK)
การเช่าร่วมกันด้วยระบบไฟล์ EFS ที่นำมาเอง
โดยทั่วไปเวิร์กโฟลว์ ML จะต้องทำงานร่วมกัน โดยต้องมีการแบ่งปันข้อมูลและโค้ดอย่างมีประสิทธิภาพระหว่างสมาชิกในทีม SageMaker Studio ใหม่ปรับปรุงแง่มุมการทำงานร่วมกันนี้โดยทำให้คุณสามารถแบ่งปันข้อมูล โค้ด และสิ่งประดิษฐ์อื่น ๆ ผ่านการแชร์ นำระบบไฟล์ EFS ของคุณเองมาเอง. ไดรฟ์ EFS นี้สามารถตั้งค่าแยกจาก SageMaker หรืออาจเป็นทรัพยากร Amazon EFS ที่มีอยู่ก็ได้ หลังจากจัดเตรียมแล้ว จะสามารถติดตั้งเข้ากับโปรไฟล์ผู้ใช้ SageMaker Studio ได้อย่างราบรื่น คุณลักษณะนี้ไม่ได้จำกัดอยู่เพียงโปรไฟล์ผู้ใช้ภายในโดเมนเดียว แต่สามารถขยายข้ามโดเมนได้ ตราบใดที่อยู่ภายในภูมิภาคเดียวกัน
โค้ดตัวอย่างต่อไปนี้แสดงวิธีสร้างโดเมนและแนบวอลลุม EFS ที่มีอยู่เข้ากับโดเมนโดยใช้โดเมนที่เกี่ยวข้อง fs-id
. สามารถแนบวอลุ่ม EFS กับโดเมนที่ระดับรูทหรือคำนำหน้าได้ ดังคำสั่งต่อไปนี้ที่สาธิต:
เมื่อการเมาท์ EFS พร้อมใช้งานในโดเมนและโปรไฟล์ผู้ใช้ที่เกี่ยวข้อง คุณสามารถเลือกแนบโดเมนนั้นกับพื้นที่ใหม่ได้ ซึ่งสามารถทำได้โดยใช้ SageMaker Studio UI หรือการดำเนินการ API ดังที่แสดงในตัวอย่างต่อไปนี้ สิ่งสำคัญที่ควรทราบคือเมื่อพื้นที่ถูกสร้างขึ้นด้วยระบบไฟล์ EFS ที่ได้รับการจัดเตรียมในระดับโดเมน พื้นที่นั้นจะสืบทอดคุณสมบัติของมัน ซึ่งหมายความว่าหากระบบไฟล์ได้รับการจัดเตรียมที่ระดับรากหรือคำนำหน้าภายในโดเมน การตั้งค่าเหล่านี้จะนำไปใช้กับพื้นที่ที่สร้างโดยผู้ใช้โดเมนโดยอัตโนมัติ
หลังจากติดตั้งลงใน Space แล้ว คุณจะพบไฟล์ทั้งหมดของคุณที่อยู่เหนือจุดเมานท์ที่ผู้ดูแลระบบจัดเตรียมไว้ ไฟล์เหล่านี้สามารถพบได้ในเส้นทางไดเร็กทอรี /mnt/custom-file-system/efs/fs-12345678
.
การต่อเชื่อม EFS ช่วยให้สามารถแชร์อาร์ติแฟกต์ระหว่าง Space ของผู้ใช้หรือระหว่างผู้ใช้หลายรายหรือข้ามโดเมนได้อย่างง่ายดาย ทำให้เหมาะสำหรับปริมาณงานที่ต้องทำงานร่วมกัน ด้วยคุณสมบัตินี้ คุณสามารถทำสิ่งต่อไปนี้:
- แบ่งปันข้อมูล – การเมาท์ EFS เหมาะอย่างยิ่งสำหรับการจัดเก็บชุดข้อมูลขนาดใหญ่ซึ่งจำเป็นสำหรับการทดลองวิทยาศาสตร์ข้อมูล เจ้าของชุดข้อมูลสามารถโหลดการเมานท์เหล่านี้ด้วยชุดข้อมูลการฝึกอบรม การตรวจสอบความถูกต้อง และการทดสอบ ทำให้สามารถเข้าถึงโปรไฟล์ผู้ใช้ภายในโดเมนหรือข้ามหลายโดเมนได้ ผู้ดูแลระบบ SageMaker Studio ยังสามารถผสานรวมการเมาท์ EFS ของแอปพลิเคชันที่มีอยู่ ในขณะที่ยังคงปฏิบัติตามนโยบายความปลอดภัยขององค์กร ซึ่งทำได้ผ่านการติดตั้งระดับคำนำหน้าแบบยืดหยุ่น ตัวอย่างเช่น หากข้อมูลการผลิตและการทดสอบถูกจัดเก็บไว้ใน EFS mount เดียวกัน (เช่น
fs-12345678:/data/prod and fs-12345678:/data/test
) การติดตั้ง/data/test
เข้าสู่โปรไฟล์ผู้ใช้ของโดเมน SageMaker ให้สิทธิ์ผู้ใช้เข้าถึงเฉพาะชุดข้อมูลทดสอบเท่านั้น การตั้งค่านี้ช่วยให้สามารถวิเคราะห์หรือฝึกอบรมโมเดลได้ ในขณะเดียวกันก็รักษาข้อมูลการผลิตให้ปลอดภัยและไม่สามารถเข้าถึงได้ - รหัสแบ่งปัน – การติดตั้ง EFS ช่วยให้สามารถแบ่งปันรหัสที่สร้างขึ้นระหว่างโปรไฟล์ผู้ใช้ได้อย่างรวดเร็ว ในสถานการณ์ที่ผู้ใช้จำเป็นต้องแชร์ตัวอย่างโค้ดอย่างรวดเร็วหรือทำงานร่วมกันบนฐานโค้ดทั่วไปโดยไม่มีความซับซ้อนของคำสั่ง git push/pull บ่อยครั้ง การเมาท์ EFS ที่ใช้ร่วมกันจะมีประโยชน์อย่างมาก นำเสนอวิธีที่สะดวกในการแบ่งปันอาร์ติแฟกต์ของโค้ดที่กำลังดำเนินการภายในทีมหรือระหว่างทีมต่างๆ ใน SageMaker Studio
- แบ่งปันสภาพแวดล้อมการพัฒนา – การเมาท์ EFS ที่ใช้ร่วมกันยังสามารถใช้เป็นวิธีการเผยแพร่สภาพแวดล้อมแซนด์บ็อกซ์ระหว่างผู้ใช้และทีมได้อย่างรวดเร็ว การเมาท์ EFS เป็นทางเลือกที่ดีสำหรับการแชร์สภาพแวดล้อม Python เช่น conda หรือ virtualenv ในพื้นที่ทำงานหลายแห่ง วิธีการนี้หลีกเลี่ยงความจำเป็นในการกระจาย
requirements.txt
orenvironment.yml
ซึ่งมักจะนำไปสู่งานซ้ำซากในการสร้างหรือสร้างสภาพแวดล้อมใหม่ในโปรไฟล์ผู้ใช้ที่แตกต่างกัน
คุณสมบัติเหล่านี้ช่วยเพิ่มความสามารถในการทำงานร่วมกันภายใน SageMaker Studio ได้อย่างมาก ทำให้ทีมทำงานร่วมกันอย่างมีประสิทธิภาพในโครงการ ML ที่ซับซ้อนได้อย่างง่ายดาย นอกจากนี้ ตัวแก้ไขโค้ดที่ใช้ Code-OSS (Visual Studio Code Open Source) ใช้หลักการทางสถาปัตยกรรมเดียวกันกับประสบการณ์ JupyterLab ที่กล่าวมาข้างต้น การจัดตำแหน่งนี้นำมาซึ่งข้อดีหลายประการ เช่น เวลาแฝงที่ลดลง ความเสถียรที่เพิ่มขึ้น และการควบคุมการดูแลระบบที่ได้รับการปรับปรุง และช่วยให้ผู้ใช้สามารถเข้าถึง พื้นที่ทำงานที่ใช้ร่วมกัน คล้ายกับที่มีให้ใน JupyterLab Spaces
เครื่องมือที่ขับเคลื่อนด้วย AI เจนเนอเรชั่นบน JupyterLab Spaces
Generative AI ซึ่งเป็นสาขาที่พัฒนาอย่างรวดเร็วในด้านปัญญาประดิษฐ์ ใช้อัลกอริธึมเพื่อสร้างเนื้อหาใหม่ เช่น ข้อความ รูปภาพ และโค้ดจากข้อมูลที่มีอยู่อย่างกว้างขวาง เทคโนโลยีนี้ได้ปฏิวัติการเขียนโค้ดโดยการทำงานตามปกติโดยอัตโนมัติ การสร้างโครงสร้างโค้ดที่ซับซ้อน และเสนอคำแนะนำอันชาญฉลาด ซึ่งจะช่วยปรับปรุงการพัฒนาและส่งเสริมความคิดสร้างสรรค์และการแก้ปัญหาในการเขียนโปรแกรม ในฐานะเครื่องมือที่ขาดไม่ได้สำหรับนักพัฒนา generative AI ช่วยเพิ่มผลผลิตและขับเคลื่อนนวัตกรรมในอุตสาหกรรมเทคโนโลยี SageMaker Studio ปรับปรุงประสบการณ์นักพัฒนาด้วยเครื่องมือที่ติดตั้งไว้ล่วงหน้า เช่น Amazon CodeWhisperer และ Jupyter AI โดยใช้ AI กำเนิดเพื่อเร่งวงจรการพัฒนา
Amazon Code Whisperer
Amazon CodeWhisperer เป็นผู้ช่วยการเขียนโปรแกรมที่ช่วยเพิ่มประสิทธิภาพการทำงานของนักพัฒนาผ่านคำแนะนำและโซลูชันโค้ดแบบเรียลไทม์ ในฐานะบริการ AI ที่มีการจัดการของ AWS บริการดังกล่าวจึงผสานรวมเข้ากับ SageMaker Studio JupyterLab IDE ได้อย่างราบรื่น การผสานรวมนี้ทำให้ Amazon CodeWhisperer เป็นส่วนเสริมที่ลื่นไหลและมีคุณค่าให้กับเวิร์กโฟลว์ของ Developer
Amazon CodeWhisperer เป็นเลิศในการเพิ่มประสิทธิภาพของนักพัฒนาโดยการทำงานเขียนโค้ดทั่วไปโดยอัตโนมัติ แนะนำรูปแบบการเขียนโค้ดที่มีประสิทธิภาพมากขึ้น และลดเวลาในการแก้ไขจุดบกพร่อง มันทำหน้าที่เป็นเครื่องมือสำคัญสำหรับผู้เขียนโค้ดทั้งมือใหม่และมือเก๋า โดยให้ข้อมูลเชิงลึกเกี่ยวกับแนวทางปฏิบัติที่ดีที่สุด เร่งกระบวนการพัฒนา และปรับปรุงคุณภาพโดยรวมของโค้ด หากต้องการเริ่มใช้ Amazon CodeWhisperer ตรวจสอบให้แน่ใจว่า ดำเนินการต่อคำแนะนำอัตโนมัติ คุณสมบัติถูกเปิดใช้งาน คุณสามารถเรียกใช้คำแนะนำโค้ดได้ด้วยตนเองโดยใช้ แป้นพิมพ์ลัด.
หรือเขียนความคิดเห็นที่อธิบายฟังก์ชันโค้ดที่คุณต้องการและเริ่มเขียนโค้ด Amazon CodeWhisperer จะเริ่มให้คำแนะนำ
โปรดทราบว่าถึงแม้ Amazon CodeWhisperer จะได้รับการติดตั้งไว้ล่วงหน้า แต่คุณต้องมี codewhisperer:GenerateRecommendations
การอนุญาตซึ่งเป็นส่วนหนึ่งของบทบาทการดำเนินการเพื่อรับคำแนะนำโค้ด สำหรับรายละเอียดเพิ่มเติม โปรดดูที่ การใช้ CodeWhisperer กับ Amazon SageMaker Studio. เมื่อคุณใช้ Amazon CodeWhisperer ทาง AWS อาจจัดเก็บข้อมูลเกี่ยวกับการใช้งานและเนื้อหาของคุณเพื่อวัตถุประสงค์ในการปรับปรุงบริการ หากต้องการยกเลิก Amazon CodeWhisperer นโยบายการแบ่งปันข้อมูลคุณสามารถนำทางไปยัง การตั้งค่า จากเมนูด้านบน จากนั้นไปที่ ตัวแก้ไขการตั้งค่า และปิดการใช้งาน แชร์ข้อมูลการใช้งานกับ Amazon CodeWhisperer จากเมนูการตั้งค่า Amazon CodeWhisperer
จูปิเตอร์ เอไอ
จูปิเตอร์ เอไอ เป็นเครื่องมือโอเพ่นซอร์สที่นำ AI เชิงสร้างสรรค์มาสู่โน้ตบุ๊ก Jupyter โดยนำเสนอแพลตฟอร์มที่แข็งแกร่งและใช้งานง่ายสำหรับการสำรวจโมเดล AI เชิงสร้างสรรค์ ช่วยเพิ่มประสิทธิภาพการทำงานใน JupyterLab และ Jupyter Notebooks ด้วยการมอบฟีเจอร์ต่างๆ เช่น %%ai magic สำหรับการสร้าง generative AI Playground ภายในโน้ตบุ๊ก, UI การแชทแบบเนทีฟใน JupyterLab สำหรับการโต้ตอบกับ AI ในฐานะผู้ช่วยสนทนา และรองรับภาษาขนาดใหญ่ที่หลากหลาย ผู้ให้บริการโมเดล (LLM) เช่น AI21, Anthropic, Cohere และ Hugging Face หรือบริการที่ได้รับการจัดการ เช่น อเมซอน เบดร็อค และตำแหน่งข้อมูล SageMaker การบูรณาการนี้นำเสนอวิธีที่มีประสิทธิภาพและเป็นนวัตกรรมมากขึ้นสำหรับการวิเคราะห์ข้อมูล, ML และงานการเขียนโค้ด ตัวอย่างเช่น คุณสามารถโต้ตอบกับ LLM ที่รับรู้โดเมนได้โดยใช้อินเทอร์เฟซการแชท Jupyternaut เพื่อขอความช่วยเหลือเกี่ยวกับกระบวนการและเวิร์กโฟลว์ หรือสร้างโค้ดตัวอย่างผ่าน CodeLlama ซึ่งโฮสต์บนตำแหน่งข้อมูล SageMaker ทำให้เป็นเครื่องมืออันทรงคุณค่าสำหรับนักพัฒนาและนักวิทยาศาสตร์ข้อมูล
Jupyter AI มอบ มีให้เลือกมากมาย ของโมเดลภาษาที่พร้อมใช้งานทันทีที่แกะกล่อง นอกจากนี้ โมเดลที่กำหนดเองยังได้รับการสนับสนุนผ่านทางตำแหน่งข้อมูล SageMaker ซึ่งให้ความยืดหยุ่นและตัวเลือกที่หลากหลายสำหรับผู้ใช้ นอกจากนี้ยังให้การสนับสนุนโมเดลการฝัง ซึ่งทำให้คุณสามารถดำเนินการเปรียบเทียบและทดสอบแบบอินไลน์ และแม้แต่สร้างหรือทดสอบแอปดึงข้อมูล Augmented Generation (RAG) เฉพาะกิจได้
Jupyter AI สามารถทำหน้าที่เป็นผู้ช่วยแชทของคุณ ช่วยเหลือคุณในเรื่องตัวอย่างโค้ด ให้คำตอบสำหรับคำถาม และอื่นๆ อีกมากมาย
คุณสามารถใช้ Jupyter AI ได้ %%ai
ความมหัศจรรย์ในการสร้างโค้ดตัวอย่างภายในสมุดบันทึกของคุณ ดังที่แสดงในภาพหน้าจอต่อไปนี้
จูปิเตอร์แล็บ 4.0
ทีม JupyterLab ได้เปิดตัวเวอร์ชัน 4.0 โดยมีการปรับปรุงประสิทธิภาพ ฟังก์ชันการทำงาน และประสบการณ์ผู้ใช้อย่างมีนัยสำคัญ ข้อมูลรายละเอียดเกี่ยวกับข่าวประชาสัมพันธ์ฉบับนี้มีอยู่ในทางการ เอกสาร JupyterLab.
เวอร์ชันนี้ซึ่งปัจจุบันเป็นมาตรฐานใน SageMaker Studio JupyterLab นำเสนอประสิทธิภาพที่ได้รับการปรับปรุงเพื่อการจัดการโน้ตบุ๊กขนาดใหญ่และการทำงานที่เร็วขึ้น ต้องขอบคุณการปรับปรุงต่างๆ เช่น การเพิ่มประสิทธิภาพกฎ CSS และการนำ CodeMirror 6 และ MathJax 3 มาใช้ การปรับปรุงที่สำคัญประกอบด้วยโปรแกรมแก้ไขข้อความที่อัปเกรดพร้อมความสามารถในการเข้าถึงและการปรับแต่งที่ดีขึ้น ซึ่งเป็นตัวจัดการส่วนขยายใหม่สำหรับการติดตั้งส่วนขยาย Python ที่ง่ายดาย และความสามารถในการค้นหาเอกสารที่ได้รับการปรับปรุงพร้อมคุณสมบัติขั้นสูง นอกจากนี้ เวอร์ชัน 4.0 ยังนำการปรับปรุง UI การปรับปรุงการเข้าถึง และการอัพเดตเครื่องมือการพัฒนา และฟีเจอร์บางอย่างได้รับการ backported ไปยัง JupyterLab 3.6
สรุป
ความก้าวหน้าใน SageMaker Studio โดยเฉพาะอย่างยิ่งกับประสบการณ์ JupyterLab ใหม่ ถือเป็นก้าวกระโดดที่สำคัญในการพัฒนา ML UI ของ SageMaker Studio ที่ได้รับการอัปเดต พร้อมด้วยการผสานรวม JupyterLab, Code Editor และ RStudio นำเสนอสภาพแวดล้อมที่คล่องตัวและไม่มีใครเทียบได้สำหรับนักพัฒนา ML การเปิดตัว JupyterLab Spaces มอบความยืดหยุ่นและความสะดวกในการปรับแต่งทรัพยากรการประมวลผลและการจัดเก็บข้อมูล ซึ่งช่วยเพิ่มประสิทธิภาพโดยรวมของเวิร์กโฟลว์ ML การเปลี่ยนจากสถาปัตยกรรมเคอร์เนลระยะไกลไปเป็นโมเดลที่แปลเป็นภาษาท้องถิ่นใน JupyterLab จะช่วยเพิ่มเสถียรภาพอย่างมากในขณะที่ลดเวลาแฝงในการเริ่มต้นระบบ ส่งผลให้ได้รับประสบการณ์การเขียนโค้ดที่รวดเร็ว มีเสถียรภาพ และตอบสนองมากขึ้น นอกจากนี้ การผสานรวมเครื่องมือ Generative AI เช่น Amazon CodeWhisperer และ Jupyter AI ใน JupyterLab ยังช่วยเพิ่มศักยภาพให้กับนักพัฒนา ทำให้คุณสามารถใช้ AI เพื่อช่วยเหลือด้านการเขียนโค้ดและการแก้ปัญหาเชิงนวัตกรรมได้ การควบคุมพื้นที่จัดเก็บข้อมูลที่จัดเตรียมไว้ที่ได้รับการปรับปรุงและความสามารถในการแบ่งปันรหัสและข้อมูลได้อย่างง่ายดายผ่านการเมานต์ EFS ที่จัดการด้วยตนเอง ช่วยอำนวยความสะดวกในโครงการการทำงานร่วมกันได้อย่างมาก สุดท้ายนี้ การเปิดตัว JupyterLab 4.0 ภายใน SageMaker Studio เน้นย้ำถึงการปรับปรุงเหล่านี้ โดยนำเสนอประสิทธิภาพที่ได้รับการปรับปรุง การเข้าถึงที่ดีขึ้น และอินเทอร์เฟซที่เป็นมิตรต่อผู้ใช้มากขึ้น ดังนั้นจึงทำให้บทบาทของ JupyterLab เป็นรากฐานที่สำคัญของการพัฒนา ML ที่มีประสิทธิภาพและประสิทธิผลในแวดวงเทคโนโลยีสมัยใหม่
ลองใช้ SageMaker Studio JupyterLab Spaces โดยใช้ของเรา คุณสมบัติออนบอร์ดด่วนซึ่งช่วยให้คุณสามารถหมุนโดเมนใหม่สำหรับผู้ใช้คนเดียวได้ภายในไม่กี่นาที แบ่งปันความคิดของคุณในส่วนความคิดเห็น!
ภาคผนวก: สถาปัตยกรรมเคอร์เนลเกตเวย์ของ SageMaker Studio Classic
A SageMaker คลาสสิก โดเมนคือการรวมเชิงตรรกะของวอลุ่ม EFS รายชื่อผู้ใช้ที่ได้รับอนุญาตให้เข้าถึงโดเมน และการกำหนดค่าที่เกี่ยวข้องกับความปลอดภัย แอปพลิเคชัน ระบบเครือข่าย และอื่นๆ ในสถาปัตยกรรม SageMaker Studio Classic ของ SageMaker ผู้ใช้แต่ละรายภายในโดเมน SageMaker จะมีโปรไฟล์ผู้ใช้ที่แตกต่างกัน โปรไฟล์นี้ประกอบด้วยรายละเอียดเฉพาะ เช่น บทบาทของผู้ใช้และ ID ผู้ใช้ Posix ในวอลุ่ม EFS รวมถึงข้อมูลเฉพาะอื่นๆ ผู้ใช้เข้าถึงโปรไฟล์ผู้ใช้ของตนผ่านแอป Jupyter Server โดยเฉพาะ ซึ่งเชื่อมต่อผ่าน HTTPS/WSS ในเว็บเบราว์เซอร์ SageMaker Studio Classic ใช้สถาปัตยกรรมเคอร์เนลระยะไกลโดยใช้การผสมผสานระหว่างประเภทแอป Jupyter Server และ Kernel Gateway ช่วยให้เซิร์ฟเวอร์โน้ตบุ๊กสามารถโต้ตอบกับเคอร์เนลบนโฮสต์ระยะไกลได้ ซึ่งหมายความว่าเคอร์เนล Jupyter ไม่ได้ทำงานบนโฮสต์ของเซิร์ฟเวอร์โน้ตบุ๊ก แต่ทำงานภายในคอนเทนเนอร์ Docker บนโฮสต์ที่แยกจากกัน โดยพื้นฐานแล้ว สมุดบันทึกของคุณจะถูกจัดเก็บไว้ในโฮมไดเร็กตอรี่ของ EFS และรันโค้ดจากระยะไกลบนไดเร็กทอรีอื่น อเมซอน อีลาสติก คอมพิวท์ คลาวด์ อินสแตนซ์ (Amazon EC2) ซึ่งเป็นที่ตั้งของคอนเทนเนอร์ Docker ที่สร้างไว้ล่วงหน้าซึ่งมีไลบรารี ML เช่น PyTorch, TensorFlow, Scikit-Learn และอื่นๆ อีกมากมาย
สถาปัตยกรรมเคอร์เนลระยะไกลใน SageMaker Studio มอบคุณประโยชน์ที่โดดเด่นในแง่ของความสามารถในการปรับขนาดและความยืดหยุ่น อย่างไรก็ตาม มีข้อจำกัด ซึ่งรวมถึงแอปสูงสุดสี่แอปต่อประเภทอินสแตนซ์ และปัญหาคอขวดที่อาจเกิดขึ้นเนื่องจากการเชื่อมต่อ HTTPS/WSS จำนวนมากกับประเภทอินสแตนซ์ EC2 ทั่วไป ข้อจำกัดเหล่านี้อาจส่งผลเสียต่อประสบการณ์ผู้ใช้
แผนภาพสถาปัตยกรรมต่อไปนี้แสดงสถาปัตยกรรม SageMaker Studio Classic โดยแสดงให้เห็นกระบวนการของผู้ใช้ในการเชื่อมต่อกับแอพ Kernel Gateway ผ่านแอพ Jupyter Server โดยใช้เว็บเบราว์เซอร์ที่ต้องการ
เกี่ยวกับผู้แต่ง
ปรานาฟ เมอร์ธี เป็นสถาปนิกโซลูชันผู้เชี่ยวชาญ AI/ML ที่ AWS เขามุ่งเน้นที่การช่วยเหลือลูกค้าในการสร้าง ฝึกอบรม ปรับใช้ และโยกย้ายปริมาณงานการเรียนรู้ของเครื่อง (ML) ไปยัง SageMaker ก่อนหน้านี้เขาเคยทำงานในอุตสาหกรรมเซมิคอนดักเตอร์ที่พัฒนาโมเดลคอมพิวเตอร์วิทัศน์ขนาดใหญ่ (CV) และการประมวลผลภาษาธรรมชาติ (NLP) เพื่อปรับปรุงกระบวนการเซมิคอนดักเตอร์โดยใช้เทคนิค ML อันล้ำสมัย ในเวลาว่าง เขาชอบเล่นหมากรุกและท่องเที่ยว คุณสามารถค้นหาปรานาฟได้ LinkedIn.
กุลชาญ เป็นผู้จัดการผลิตภัณฑ์อาวุโสของ AWS เขามุ่งเน้นไปที่การสร้าง Amazon SageMaker Studio ให้เป็นตัวเลือกที่ดีที่สุดสำหรับการพัฒนา ML แบบครบวงจร ในเวลาว่าง Kunal สนุกกับการเล่นสกีและสำรวจแปซิฟิกตะวันตกเฉียงเหนือ คุณสามารถพบเขาได้ที่ LinkedIn.
มาจิชา นามัท ปรรัมพัท เป็นวิศวกรซอฟต์แวร์อาวุโสที่ Amazon SageMaker เธอทำงานที่ Amazon มากว่า 8 ปี และกำลังปรับปรุงประสบการณ์การใช้งาน Amazon SageMaker Studio แบบครบวงจร
ภารต นันทมุริ เป็นวิศวกรซอฟต์แวร์อาวุโสที่ทำงานใน Amazon SageMaker Studio เขาหลงใหลในการสร้างบริการแบ็กเอนด์ระดับสูงโดยมุ่งเน้นไปที่วิศวกรรมสำหรับระบบ ML นอกเหนือจากการทำงาน เขาชอบเล่นหมากรุก เดินป่า และชมภาพยนตร์
เดเร็ก เลาซ เป็นวิศวกรซอฟต์แวร์ที่ AWS เขามุ่งมั่นที่จะมอบคุณค่าให้กับลูกค้าผ่าน Amazon SageMaker Studio และอินสแตนซ์ Notebook ในเวลาว่าง Derek สนุกกับการใช้เวลากับครอบครัวและเพื่อนฝูงและเดินป่า คุณสามารถพบกับ Derek ได้ LinkedIn.
- เนื้อหาที่ขับเคลื่อนด้วย SEO และการเผยแพร่ประชาสัมพันธ์ รับการขยายวันนี้
- PlatoData.Network Vertical Generative Ai เพิ่มพลังให้กับตัวเอง เข้าถึงได้ที่นี่.
- เพลโตไอสตรีม. Web3 อัจฉริยะ ขยายความรู้ เข้าถึงได้ที่นี่.
- เพลโตESG. คาร์บอน, คลีนเทค, พลังงาน, สิ่งแวดล้อม แสงอาทิตย์, การจัดการของเสีย. เข้าถึงได้ที่นี่.
- เพลโตสุขภาพ เทคโนโลยีชีวภาพและข่าวกรองการทดลองทางคลินิก เข้าถึงได้ที่นี่.
- ที่มา: https://aws.amazon.com/blogs/machine-learning/boost-productivity-on-amazon-sagemaker-studio-introducing-jupyterlab-spaces-and-generative-ai-tools/
- :มี
- :เป็น
- :ไม่
- :ที่ไหน
- $ ขึ้น
- 000
- 100
- 11
- 12
- 16
- 25
- 60
- 7
- 8
- a
- ความสามารถ
- สามารถ
- เกี่ยวกับเรา
- ข้างบน
- เร่งความเร็ว
- เร่ง
- เข้า
- การเข้าถึง
- สามารถเข้าถึงได้
- การเข้าถึง
- ลงชื่อเข้าใช้
- ข้าม
- กระทำ
- การกระทำ
- การปฏิบัติ
- อย่างกระตือรือร้น
- การกระทำ
- Ad
- นอกจากนี้
- เพิ่มเติม
- นอกจากนี้
- การบริหาร
- การบริหาร
- ผู้ดูแลระบบ
- การนำมาใช้
- สูง
- ความก้าวหน้า
- ความก้าวหน้า
- ข้อได้เปรียบ
- มีผลต่อ
- หลังจาก
- การรวมตัว
- AI
- โมเดล AI
- ขับเคลื่อนด้วย AI
- AI / ML
- อัลกอริทึม
- การวางแนว
- ทั้งหมด
- การจัดสรร
- อนุญาต
- ช่วยให้
- คู่ขนาน
- ด้วย
- ทางเลือก
- แม้ว่า
- อเมซอน
- Amazon Code Whisperer
- Amazon EC2
- อเมซอน SageMaker
- สตูดิโอ Amazon SageMaker
- Amazon Web Services
- ในหมู่
- an
- การวิเคราะห์
- และ
- คำตอบ
- มานุษยวิทยา
- ใด
- ทุกแห่ง
- API
- app
- การใช้งาน
- ใช้
- เข้าใกล้
- ปพลิเคชัน
- ในเชิงสถาปัตยกรรม
- สถาปัตยกรรม
- เป็น
- แถว
- ศิลปะ
- เทียม
- ปัญญาประดิษฐ์
- AS
- แง่มุม
- ความช่วยเหลือ
- ผู้ช่วย
- ที่เกี่ยวข้อง
- At
- แนบ
- เติม
- ผู้เขียน
- มีอำนาจ
- อัตโนมัติ
- โดยอัตโนมัติ
- ใช้ได้
- ไป
- AWS
- กลับ
- แบ็กเอนด์
- ฐาน
- ตาม
- baseline
- BE
- รับ
- เริ่ม
- มือใหม่
- เป็นประโยชน์
- ประโยชน์ที่ได้รับ
- ที่ดีที่สุด
- ปฏิบัติที่ดีที่สุด
- ดีกว่า
- ระหว่าง
- ปิดกั้น
- เพิ่ม
- การส่งเสริม
- ทั้งสอง
- คอขวด
- กล่อง
- นำ
- กว้าง
- เบราว์เซอร์
- สร้าง
- การก่อสร้าง
- แต่
- by
- แคช
- ที่เรียกว่า
- CAN
- ความสามารถในการ
- ศูนย์
- บาง
- หมากรุก
- ทางเลือก
- Choose
- คลาสสิก
- ใกล้ชิด
- รหัส
- ฐานรหัส
- การเข้ารหัส
- ร่วมมือ
- การทำงานร่วมกัน
- การผสมผสาน
- รวม
- ความเห็น
- ความคิดเห็น
- มุ่งมั่น
- ร่วมกัน
- การสื่อสาร
- สหาย
- เปรียบเทียบ
- สมบูรณ์
- ซับซ้อน
- ความซับซ้อน
- ความซับซ้อน
- การปฏิบัติตาม
- ครอบคลุม
- คำนวณ
- คอมพิวเตอร์
- วิสัยทัศน์คอมพิวเตอร์
- การคำนวณ
- แนวคิด
- สภาพ
- องค์ประกอบ
- การกำหนดค่า
- งานที่เชื่อมต่อ
- การเชื่อมต่อ
- การเชื่อมต่อ
- คงเส้นคงวา
- เสมอต้นเสมอปลาย
- ประกอบด้วย
- ภาชนะ
- ภาชนะบรรจุ
- เนื้อหา
- ต่อ
- อย่างต่อเนื่อง
- ควบคุม
- สะดวกสบาย
- การสนทนา
- หลักสำคัญ
- ราคา
- ค่าใช้จ่าย
- ได้
- หน้าปก
- สร้าง
- ที่สร้างขึ้น
- การสร้าง
- ความคิดสร้างสรรค์
- สำคัญมาก
- CSS
- ขณะนี้
- ประเพณี
- ลูกค้า
- ลูกค้า
- การปรับแต่ง
- ปรับแต่ง
- ข้อมูล
- การวิเคราะห์ข้อมูล
- การประมวลผล
- วิทยาศาสตร์ข้อมูล
- การสร้างภาพข้อมูล
- ชุดข้อมูล
- ทุ่มเท
- ค่าเริ่มต้น
- ส่งมอบ
- คุ้ย
- สาธิต
- ปรับใช้
- ปรับใช้
- ดีเร็ก
- อธิบาย
- ออกแบบ
- ได้รับการออกแบบ
- รายละเอียด
- รายละเอียด
- ผู้พัฒนา
- นักพัฒนา
- ที่กำลังพัฒนา
- พัฒนาการ
- เครื่องมือในการพัฒนา
- ต่าง
- โดยตรง
- โดยตรง
- ไดเรกทอรี
- สนทนา
- แตกต่าง
- จำหน่าย
- การกระจาย
- do
- นักเทียบท่า
- เอกสาร
- โดเมน
- โดเมน
- ทำ
- ลง
- ขับรถ
- ไดรฟ์
- สอง
- แต่ละ
- ก่อน
- ความสะดวก
- ง่ายดาย
- ง่าย
- บรรณาธิการ
- ผล
- มีประสิทธิภาพ
- มีประสิทธิภาพ
- อย่างมีประสิทธิภาพ
- ที่มีประสิทธิภาพ
- อย่างมีประสิทธิภาพ
- ความพยายาม
- ง่ายดาย
- ง่าย
- ทั้ง
- สูง
- การฝัง
- ให้อำนาจ
- ให้อำนาจ
- ทำให้สามารถ
- เปิดการใช้งาน
- ช่วยให้
- การเปิดใช้งาน
- ครอบคลุม
- การเข้ารหัสลับ
- ปลาย
- จบสิ้น
- วิศวกร
- ชั้นเยี่ยม
- เสริม
- ที่เพิ่มขึ้น
- ปรับปรุง
- ช่วย
- การเสริมสร้าง
- เพื่อให้แน่ใจ
- เข้าสู่
- สิ่งแวดล้อม
- สภาพแวดล้อม
- พร้อม
- แก่นแท้
- จำเป็น
- สร้าง
- แม้
- การพัฒนา
- ตัวอย่าง
- การปฏิบัติ
- ที่มีอยู่
- ประสบการณ์
- การทดลอง
- อธิบาย
- สำรวจ
- ขยายออก
- นามสกุล
- ส่วนขยาย
- กว้างขวาง
- พิเศษ
- ใบหน้า
- อำนวยความสะดวก
- อำนวยความสะดวก
- เท็จ
- ความคุ้นเคย
- ครอบครัว
- FAST
- เร็วขึ้น
- ลักษณะ
- คุณสมบัติ
- ที่มีคุณสมบัติ
- สองสาม
- สนาม
- เนื้อไม่มีมัน
- ไฟล์
- หา
- ความยืดหยุ่น
- มีความยืดหยุ่น
- อย่างยืดหยุ่น
- ของเหลว
- โฟกัส
- มุ่งเน้น
- มุ่งเน้นไปที่
- ดังต่อไปนี้
- สำหรับ
- ข้างหน้า
- อุปถัมภ์
- พบ
- สี่
- ฟรี
- บ่อย
- เพื่อน
- ราคาเริ่มต้นที่
- อย่างเต็มที่
- ฟังก์ชัน
- ฟังก์ชั่น
- ต่อไป
- เกตเวย์
- สร้าง
- การสร้าง
- รุ่น
- กำเนิด
- กำเนิด AI
- ไป
- จะช่วยให้
- Go
- ให้
- ทุน
- เข้าใจ
- มากขึ้น
- อย่างมาก
- จัดการ
- การจัดการ
- มี
- he
- ช่วย
- การช่วยเหลือ
- จุดสูง
- ประสิทธิภาพสูง
- สูงกว่า
- อย่างสูง
- พระองค์
- ของเขา
- หน้าแรก
- เจ้าภาพ
- เป็นเจ้าภาพ
- เจ้าภาพ
- บ้าน
- สรุป ความน่าเชื่อถือของ Olymp Trade?
- ทำอย่างไร
- อย่างไรก็ตาม
- HTML
- ที่ http
- HTTPS
- ID
- ในอุดมคติ
- if
- แสดงให้เห็นถึง
- แสดง
- ภาพ
- สำคัญ
- ที่สำคัญ
- ปรับปรุง
- การปรับปรุง
- การปรับปรุง
- การปรับปรุง
- การปรับปรุง
- in
- ไม่สามารถเข้าถึงได้
- ประกอบด้วย
- รวมถึง
- รวมทั้ง
- เพิ่ม
- เพิ่มขึ้น
- เพิ่มขึ้น
- ที่เพิ่มขึ้น
- อิสระ
- อิสระ
- เป็นรายบุคคล
- อุตสาหกรรม
- ข้อมูล
- ในขั้นต้น
- นักวิเคราะห์ส่วนบุคคลที่หาโอกาสให้เป็นไปได้มากที่สุด
- นวัตกรรม
- ภายใน
- ความเข้าใจ
- ข้อมูลเชิงลึก
- การติดตั้ง
- ตัวอย่าง
- คำแนะนำการใช้
- รวบรวม
- แบบบูรณาการ
- บูรณาการ
- Intelligence
- ฉลาด
- ตั้งใจว่า
- โต้ตอบ
- การมีปฏิสัมพันธ์
- อินเตอร์เฟซ
- เข้าไป
- แนะนำ
- แนะนำ
- เปิดตัว
- แนะนำ
- บทนำ
- IT
- ITS
- jpg
- เพียงแค่
- การเก็บรักษา
- คีย์
- กุญแจ
- การติดฉลาก
- ภูมิประเทศ
- ภาษา
- ใหญ่
- ในที่สุด
- ความแอบแฝง
- ล่าสุด
- เปิดตัว
- เปิดตัว
- การเปิดตัว
- นำ
- กระโดด
- การเรียนรู้
- น้อยลง
- ชั้น
- ห้องสมุด
- วงจรชีวิต
- กดไลก์
- ข้อ จำกัด
- ที่เชื่อมโยง
- รายการ
- LLM
- โหลด
- ในประเทศ
- ที่ตั้งอยู่
- ตรรกะ
- นาน
- ดู
- ลด
- เครื่อง
- เรียนรู้เครื่อง
- ทำ
- มายากล
- การบำรุงรักษา
- การบำรุงรักษา
- ทำ
- ทำให้
- การทำ
- จัดการ
- การจัดการ
- ผู้จัดการ
- การจัดการ
- ด้วยมือ
- เครื่องหมาย
- สูงสุด
- อาจ..
- วิธี
- สมาชิก
- หน่วยความจำ
- เมนู
- ส่งข้อความ
- วิธีการ
- อพยพ
- ต่ำสุด
- ย่อขนาด
- ขั้นต่ำ
- นาที
- ML
- แบบ
- โมเดล
- ทันสมัย
- แก้ไข
- ข้อมูลเพิ่มเติม
- มีประสิทธิภาพมากขึ้น
- ยิ่งไปกว่านั้น
- มากที่สุด
- MOUNT
- Movies
- การย้าย
- มาก
- หลาย
- ต้อง
- ชื่อ
- พื้นเมือง
- โดยธรรมชาติ
- ประมวลผลภาษาธรรมชาติ
- นำทาง
- จำเป็น
- จำเป็นต้อง
- จำเป็น
- ในเชิงลบ
- เครือข่าย
- เครือข่าย
- ใหม่
- NLP
- ไม่
- โดดเด่น
- หมายเหตุ
- สมุดบันทึก
- ตอนนี้
- มากมาย
- of
- เสนอ
- เสนอ
- การเสนอ
- เสนอ
- เป็นทางการ
- มักจะ
- on
- ออนบอร์ด
- ONE
- เพียง
- ไปยัง
- เปิด
- โอเพนซอร์ส
- ทำงาน
- การดำเนินการ
- การเพิ่มประสิทธิภาพ
- การปรับให้เหมาะสม
- ตัวเลือกเสริม (Option)
- Options
- or
- องค์กร
- แต่เดิม
- อื่นๆ
- ของเรา
- ออก
- ด้านนอก
- เกิน
- ทั้งหมด
- ของตนเอง
- เจ้าของ
- แปซิฟิก
- หน้า
- ส่วนหนึ่ง
- โดยเฉพาะ
- หลงใหล
- เส้นทาง
- รูปแบบ
- หยุดชั่วคราว
- ต่อ
- ดำเนินการ
- การปฏิบัติ
- การอนุญาต
- สิทธิ์
- เวที
- เพลโต
- เพลโตดาต้าอินเทลลิเจนซ์
- เพลโตดาต้า
- สนามเด็กเล่น
- เล่น
- จุด
- นโยบาย
- นโยบาย
- โพสต์
- ที่มีศักยภาพ
- การปฏิบัติ
- ที่ต้องการ
- การเตรียมความพร้อม
- ก่อน
- ก่อนหน้านี้
- ส่วนใหญ่
- หลักการ
- ส่วนตัว
- การแก้ปัญหา
- กระบวนการ
- แปรรูปแล้ว
- กระบวนการ
- การประมวลผล
- ผลิตภัณฑ์
- ผู้จัดการผลิตภัณฑ์
- การผลิต
- ผลผลิต
- โปรไฟล์
- ดูรายละเอียด
- การเขียนโปรแกรม
- โครงการ
- โครงการ
- คุณสมบัติ
- ให้
- ผู้ให้บริการ
- ให้
- การให้
- วัตถุประสงค์
- หลาม
- ไฟฉาย
- คุณภาพ
- คำถาม
- รวดเร็ว
- ได้เร็วขึ้น
- อย่างรวดเร็ว
- พิสัย
- อย่างรวดเร็ว
- พร้อม
- เรียลไทม์
- รับ
- แนะนำ
- ลดลง
- ลด
- อ้างอิง
- ไม่คำนึงถึง
- ภูมิภาค
- ที่เกี่ยวข้อง
- สังข์
- ปล่อย
- การเผยแพร่
- ซากศพ
- รีโมท
- จากระยะไกล
- ซ้ำ
- การแสดง
- แสดงให้เห็นถึง
- ความต้องการ
- ต้อง
- ทรัพยากร
- แหล่งข้อมูล
- การตอบสนอง
- REST
- เริ่มต้นใหม่
- หวงห้าม
- ส่งผลให้
- ผลสอบ
- เรซูเม่
- ปฏิวัติ
- ขวา
- แข็งแรง
- บทบาท
- ราก
- ประจำวัน
- กฎ
- วิ่ง
- วิ่ง
- ทำงาน
- รันไทม์
- sagemaker
- เดียวกัน
- Sandbox
- scalability
- ขนาด
- สถานการณ์
- วิทยาศาสตร์
- นักวิทยาศาสตร์
- scikit เรียนรู้
- สคริปต์
- ไร้รอยต่อ
- ได้อย่างลงตัว
- ค้นหา
- ช่ำชอง
- วินาที
- ส่วน
- ปลอดภัย
- ความปลอดภัย
- นโยบายความปลอดภัย
- เห็น
- สารกึ่งตัวนำ
- ระดับอาวุโส
- แยก
- ให้บริการ
- เซิร์ฟเวอร์
- เซิร์ฟเวอร์
- ให้บริการอาหาร
- บริการ
- บริการ
- เซสชั่น
- ครั้ง ราคา
- ชุด
- การตั้งค่า
- การตั้งค่า
- การติดตั้ง
- หลาย
- Share
- ที่ใช้ร่วมกัน
- หุ้น
- ใช้งานร่วมกัน
- เธอ
- เปลี่ยน
- แสดง
- แสดงให้เห็นว่า
- สำคัญ
- อย่างมีความหมาย
- คล้ายคลึงกัน
- ช่วยลดความยุ่งยาก
- ลดความซับซ้อน
- เดียว
- ขนาด
- ขนาด
- เศษเล็กเศษน้อย
- So
- ซอฟต์แวร์
- วิศวกรซอฟต์แวร์
- ของแข็ง
- แข็งตัว
- ทางออก
- โซลูชัน
- บาง
- แหล่ง
- ช่องว่าง
- ช่องว่าง
- ผู้เชี่ยวชาญ
- โดยเฉพาะ
- การใช้จ่าย
- สปิน
- แยก
- Stability
- มั่นคง
- มาตรฐาน
- เริ่มต้น
- การเริ่มต้น
- สถานะ
- คำแถลง
- สหรัฐอเมริกา
- ขั้นตอน
- ขั้นตอน
- หยุด
- หยุด
- การเก็บรักษา
- จัดเก็บ
- เก็บไว้
- การเก็บรักษา
- ซื่อตรง
- คล่องตัว
- การทำให้เพรียวลม
- โครงสร้าง
- สตูดิโอ
- อย่างเช่น
- สรุป
- สนับสนุน
- ที่สนับสนุน
- แน่ใจ
- สวิตซ์
- ระบบ
- ระบบ
- เอา
- ใช้เวลา
- งาน
- งาน
- ทีม
- สมาชิกในทีม
- ทีม
- เทคโนโลยี
- อุตสาหกรรมเทคโนโลยี
- เทคนิค
- เทคโนโลยี
- tensorflow
- สถานีปลายทาง
- เงื่อนไขการใช้บริการ
- ทดสอบ
- การทดสอบ
- ข้อความ
- กว่า
- ขอบคุณ
- ที่
- พื้นที่
- ของพวกเขา
- พวกเขา
- แล้วก็
- ที่นั่น
- ดังนั้น
- ล้อยางขัดเหล่านี้ติดตั้งบนแกน XNUMX (มม.) ผลิตภัณฑ์นี้ถูกผลิตในหลายรูปทรง และหลากหลายเบอร์ความแน่นหนาของปริมาณอนุภาคขัดของมัน จะทำให้ท่านได้รับประสิทธิภาพสูงในการขัดและการใช้งานที่ยาวนาน
- พวกเขา
- นี้
- เหล่านั้น
- ตลอด
- เวลา
- ไปยัง
- ร่วมกัน
- เครื่องมือ
- เครื่องมือ
- ด้านบน
- ไปทาง
- รถไฟ
- การฝึกอบรม
- การเปลี่ยนแปลง
- เปลี่ยน
- การเดินทาง
- จริง
- ลอง
- ปรับแต่ง
- ชนิด
- ชนิด
- เป็นปกติ
- ui
- ขีด
- เข้าใจ
- เป็นเอกลักษณ์
- หาตัวจับยาก
- จนกระทั่ง
- บันทึก
- ให้กับคุณ
- การปรับปรุง
- การปรับปรุง
- อัพเกรด
- อัพเกรด
- us
- การใช้
- ใช้
- มือสอง
- ผู้ใช้งาน
- ประสบการณ์ของผู้ใช้
- ที่ใช้งานง่าย
- ผู้ใช้
- ใช้
- การใช้
- การตรวจสอบ
- มีคุณค่า
- ความคุ้มค่า
- ความหลากหลาย
- ต่างๆ
- รุ่น
- ผ่านทาง
- ความชัดเจน
- วิสัยทัศน์
- ภาพ
- การสร้างภาพ
- ปริมาณ
- ไดรฟ์
- คือ
- ชม
- ทาง..
- we
- เว็บ
- เว็บเบราเซอร์
- เว็บเซิร์ฟเวอร์
- บริการเว็บ
- web-based
- คือ
- เมื่อ
- เมื่อไรก็ตาม
- ว่า
- ที่
- ในขณะที่
- WHO
- กว้าง
- จะ
- ต้องการ
- กับ
- ภายใน
- ไม่มี
- งาน
- ทำงานด้วยกัน
- ทำงาน
- เวิร์กโฟลว์
- ขั้นตอนการทำงาน
- การทำงาน
- ของโลก
- เขียน
- ปี
- คุณ
- ของคุณ
- ลมทะเล