У 2021 році ми запустили AWS Support Proactive Services як частина Підтримка AWS Enterprise пропозиція. З моменту його появи ми допомогли сотням клієнтів оптимізувати їхні робочі навантаження, встановити захисні огородження та покращити видимість вартості та використання робочих навантажень машинного навчання (ML).
У цій серії публікацій ми ділимося уроками щодо оптимізації витрат у Amazon SageMaker, в Частина 1, ми показали, як почати використовувати AWS Cost Explorer щоб визначити можливості оптимізації витрат у SageMaker. У цій публікації ми зосередимося на різних способах аналізу використання SageMaker і виявленні можливостей оптимізації витрат для примірників ноутбуків SageMaker і Студія Amazon SageMaker.
Примірники блокнота SageMaker
A Екземпляр ноутбука SageMaker — це повністю керований обчислювальний екземпляр із програмою Jupyter Notebook. SageMaker керує створенням примірника та пов’язаних ресурсів. Ноутбуки містять усе необхідне для запуску або відтворення робочого процесу машинного навчання. Ви можете використовувати блокноти Jupyter у своєму екземплярі блокнота для підготовки та обробки даних, написання коду для навчання моделей, розгортання моделей на SageMaker Hosting, а також тестування чи перевірки своїх моделей. Вартість екземплярів ноутбука SageMaker базується на кількості годин інсталяції, витрачених під час роботи екземпляра ноутбука, а також вартості ГБ-місяця виділеного сховища, як зазначено в Ціни на Amazon SageMaker.
У Cost Explorer можна відфільтрувати витрати на блокнот, застосувавши фільтр до Тип використання. Назви цих типів використання структуровані таким чином:
REGION-Notebk:instanceType
(наприклад,USE1-Notebk:ml.g4dn.8xlarge
)REGION-Notebk:VolumeUsage.gp2
(наприклад,USE2-Notebk:VolumeUsage.gp2
)
Фільтрація за типом використання Notebk:
покаже вам список типів використання блокнота в обліковому записі. Як показано на наступному знімку екрана, ви можете вибрати Вибрати всі І вибирай Застосовувати щоб відобразити розподіл вартості використання вашого ноутбука.
Щоб переглянути розбивку вартості вибраного типу використання ноутбука за кількістю годин використання, потрібно скасувати вибір усіх REGION-Notebk:VolumeUsage.gp2
типи використання з попереднього списку та виберіть Застосовувати щоб застосувати фільтр. На наступному знімку екрана показано графіки вартості та використання для вибраних типів використання ноутбука.
Ви також можете застосувати додаткові фільтри, такі як номер рахунку, Обчислювальна хмара Amazon Elastic (Amazon EC2) тип екземпляра, тег розподілу вартості, регіон, і більше. Зміна деталізації на щодня надає щоденні графіки витрат і використання на основі вибраних типів використання та розміру, як показано на наступному знімку екрана.
У попередньому прикладі екземпляр блокнота типу ml.t2.medium у регіоні USE2 повідомляє про щоденне використання протягом 24 годин між 2 липня та 26 вересня. Так само екземпляр блокнота типу ml.t3.medium у Регіон USE1 повідомляє про щоденне використання 24 години між 3 серпня та 26 вересня та щоденне використання 48 годин між 26 вересня та 31 грудня. Щоденне використання 24 години або більше протягом кількох днів поспіль може означати, що екземпляр ноутбука має було запущено кілька днів, але не використовується активно. Цей тип шаблону може отримати вигоду від застосування засобів контролю витрат, таких як ручне або автоматичне відключення екземплярів ноутбука, щоб запобігти простою.
Хоча Cost Explorer допомагає зрозуміти вартість і дані про використання з урахуванням деталізації типу екземпляра, ви можете використовувати Звіти про вартість і використання AWS (AWS CUR), щоб отримати дані з деталізацією ресурсу, наприклад ARN ноутбука. Ви можете створювати власні запити для пошуку даних AWS CUR за допомогою стандартного SQL. Ви також можете включити теги розподілу витрат у свій запит для додаткового рівня деталізації. Наступний запит повертає використання ресурсів ноутбука за останні 3 місяці з ваших даних AWS CUR:
На наступному знімку екрана показано результати, отримані під час виконання запиту AWS CUR за допомогою Амазонка Афіна. Додаткову інформацію про використання Athena див Запит звітів про витрати та використання за допомогою Amazon Athena.
Результат запиту показує цей блокнот dev-notebook
запущений на екземплярі ml.t2.medium повідомляє про 24 години використання протягом кількох днів поспіль. Вартість екземпляра становить 0.0464 $/год, а щоденна вартість роботи протягом 24 годин — 1.1136 $.
Результати запиту AWS CUR можуть допомогти вам визначити шаблони роботи ноутбуків протягом послідовних днів, які можна проаналізувати для оптимізації витрат. Додаткову інформацію та приклади запитів можна знайти в Бібліотека запитів AWS CUR.
Ви також можете передати дані AWS CUR Amazon QuickSight, де ви можете нарізати його будь-яким способом для створення звітів або візуалізації. Інструкції щодо введення даних AWS CUR у QuickSight див Як отримати та візуалізувати звіт про вартість і використання AWS (CUR) в Amazon QuickSight.
Оптимізуйте вартість екземпляра ноутбука
Ноутбуки SageMaker підходять для розробки моделей ML, що включає інтерактивне дослідження даних, написання сценаріїв, створення прототипів розробки функцій і моделювання. Кожне з цих завдань може мати різні вимоги до обчислювальних ресурсів. Оцінка правильного типу обчислювальних ресурсів для обслуговування різних робочих навантажень є складною справою, що може призвести до надмірного виділення ресурсів, що призведе до збільшення витрат.
Для розробки моделі ML розмір екземпляра блокнота SageMaker залежить від обсягу даних, які потрібно завантажити в пам’ять для значущого дослідницького аналізу даних (EDA), і обсягу необхідних обчислень. Ми рекомендуємо починати з малого з екземплярів загального призначення (таких як сімейства T або M) і збільшувати за потреби. Наприклад, ml.t2.medium достатньо для базової обробки даних, розробки функцій і EDA, які мають справу з невеликими наборами даних, які можна зберігати в пам’яті 4 ГБ. Якщо розробка вашої моделі передбачає важку обчислювальну роботу (наприклад, обробку зображень), ви можете зупинити свій менший екземпляр блокнота та змінити тип екземпляра на бажаний більший екземпляр, наприклад ml.c5.xlarge. Ви можете повернутися до меншого екземпляра, коли вам більше не потрібен більший екземпляр. Це допоможе знизити витрати на обчислення.
Розгляньте наведені нижче найкращі методи, щоб зменшити вартість екземплярів блокнота.
CPU проти GPU
Розгляд екземплярів ноутбука з процесором і графічним процесором є важливим, наприклад, для правильного розміру. ЦП найкраще справляються з окремими, складнішими обчисленнями послідовно, тоді як графічні процесори краще справляються з кількома, але простими обчисленнями паралельно. Для багатьох випадків використання стандартний тип екземпляра поточного покоління з сімейства екземплярів, як-от M, забезпечує достатню обчислювальну потужність, пам’ять і продуктивність мережі для нормальної роботи ноутбуків.
Графічні процесори забезпечують відмінне співвідношення ціна/продуктивність, якщо ви ефективно використовуєте їх. Наприклад, якщо ви тренуєте свою модель глибокого навчання на ноутбуці SageMaker і ваша нейронна мережа відносно велика, виконує велику кількість обчислень із залученням сотень тисяч параметрів, тоді ваша модель може скористатися перевагами прискореного обчислення та апаратного паралелізму, що пропонується екземплярами GPU, такими як родини екземплярів P. Однак рекомендується використовувати екземпляри графічного процесора лише тоді, коли вони вам справді потрібні, оскільки вони дорогі, а накладні витрати на зв’язок графічного процесора можуть навіть знизити продуктивність, якщо вони не потрібні вашому ноутбуку. Ми рекомендуємо використовувати блокноти з меншими обчислювальними екземплярами для інтерактивної побудови та залишити важку роботу тимчасовим навчанням, налаштуванням і обробкою більших екземплярів, включаючи екземпляри з підтримкою GPU. Таким чином, ви не підтримуєте постійну роботу великого екземпляра (або графічного процесора) з вашим ноутбуком. Якщо вам потрібні прискорені обчислення в середовищі вашого ноутбука, ви можете зупинити свій екземпляр ноутбука сімейства m*, переключитися на екземпляр сімейства P* із підтримкою GPU та запустити його знову. Не забудьте перемкнути його назад, коли вам більше не потрібен додатковий стимул у вашому середовищі розробки.
Обмежте доступ користувачів до певних типів екземплярів
Адміністратори можуть заборонити користувачам створювати занадто великі блокноти Управління ідентифікацією та доступом AWS (IAM). Наприклад, наступний приклад політики дозволяє користувачам лише створювати менші екземпляри блокнота t3 SageMaker:
Адміністратори також можуть використовувати Каталог послуг AWS для забезпечення самообслуговування ноутбуків SageMaker. Це дозволяє обмежити типи екземплярів, доступні користувачам під час створення блокнота. Для отримання додаткової інформації див Увімкніть самообслуговування, захищену науку про дані за допомогою ноутбуків Amazon SageMaker і каталогу послуг AWS та Запустіть Amazon SageMaker Studio за допомогою AWS Service Catalog і AWS SSO у середовищі AWS Control Tower Environment.
Зупинити неактивні екземпляри блокнота
Щоб знизити витрати, ми рекомендуємо зупиняти ваші екземпляри блокнота, коли вони вам не потрібні, і запускати їх, коли вони вам потрібні. Розгляньте можливість автоматичного визначення неактивних екземплярів блокнота та керування їхнім життєвим циклом за допомогою a скрипт конфігурації життєвого циклу, Наприклад, авто-стоп-холостий хід це зразок сценарію оболонки, який зупиняє блокнот SageMaker, якщо він неактивний понад 1 годину.
AWS підтримує a загальнодоступне сховище сценаріїв конфігурації життєвого циклу ноутбука які стосуються типових випадків використання для налаштування екземплярів блокнотів, включаючи зразок сценарію bash для зупинки неактивних блокнотів.
Заплануйте автоматичний запуск і зупинку екземплярів блокнота
Інший спосіб заощадити на вартості блокнотів — це автоматичний запуск і зупинка блокнотів у певний час. Ви можете досягти цього, використовуючи Amazon EventBridge правила і AWS Lambda функції. Щоб отримати додаткові відомості про налаштування функцій Lambda, див Налаштування параметрів функції Lambda. Після того, як ви створили функції, ви можете створити правила для запуску цих функцій за певним розкладом, наприклад, запускати блокноти кожного буднього дня о 7:00 ранку. Побачити Створення правила Amazon EventBridge, яке виконується за розкладом для інструкцій. Сценарії для запуску та зупинки блокнотів із функцією лямбда див Забезпечте ефективні обчислювальні ресурси на Amazon SageMaker.
Студія SageMaker
Studio надає повністю кероване рішення для спеціалістів із обробки даних для інтерактивного створення, навчання та розгортання моделей ML. Студійні блокноти це блокноти Jupyter для спільної роботи в один клік, які можна швидко розкрутити, оскільки вам не потрібно налаштовувати обчислювальні екземпляри та сховище файлів заздалегідь. З вас стягується плата за тип обчислювального екземпляра, на якому ви вибрали запуск своїх ноутбуків, залежно від тривалості використання. Додаткова плата за користування Studio не стягується. Витрати, пов’язані з використанням ноутбуків Studio, інтерактивних оболонок, консолей і терміналів, базуються на використанні екземпляра ML compute.
Після запуску ресурс запускається на екземплярі ML compute вибраного типу екземпляра. Якщо екземпляр такого типу був запущений раніше та доступний, ресурс запускається на цьому екземплярі. Для зображень на базі ЦП запропонований тип екземпляра за умовчанням – ml.t3.medium. Для зображень на основі графічного процесора стандартним запропонованим типом екземпляра є ml.g4dn.xlarge. Оплата здійснюється за екземпляр і починається, коли запускається перший екземпляр певного типу.
Якщо ви хочете створити або відкрити блокнот без ризику стягнення плати, відкрийте блокнот із філе меню та вибрати Без ядра від Виберіть Ядро діалог. Ви можете читати та редагувати блокнот без запущеного ядра, але ви не можете запускати клітинки. Вам виставляється оплата окремо за кожен екземпляр. Виставлення рахунків припиняється, коли всі програми KernelGateway на примірнику вимикаються або примірник вимикається. Інформацію про виставлення рахунків разом із прикладами ціноутворення див Ціни Amazon SageMaker.
У Cost Explorer можна відфільтрувати витрати на ноутбуки Studio, застосувавши фільтр Тип використання. Назви цих типів використання мають таку структуру: REGION-studio:KernelGateway-instanceType
(наприклад, USE1-Studio:KernelGateway-ml.m5.large
)
Фільтрація за типом використання studio:
у Cost Explorer покаже вам список типів використання Studio в обліковому записі. Ви можете вибрати необхідні типи використання або вибрати Вибрати всі І вибирай Застосовувати щоб відобразити розподіл вартості використання програми Studio. На наступному знімку екрана показано всі виділення studio
види використання для аналізу витрат.
Ви також можете застосувати додаткові фільтри, як-от регіон, зв’язаний обліковий запис або тип екземпляра для детальнішого аналізу витрат. Зміна деталізації на щодня надає діаграми щоденних витрат і використання на основі вибраних типів використання та розмірів, як показано на наступному знімку екрана.
У попередньому прикладі екземпляр Studio KernelGateway типу ml.t3.medium у регіоні USE1 повідомляє про щоденне використання 48 годин у період з 1 по 24 січня, а потім щоденне використання 24 години до 11 лютого. Подібним чином екземпляр Studio KernelGateway типу ml.m5.large у регіоні USE1 повідомляє про 24 години щоденного використання в період з 1 по 23 січня. Щоденне використання 24 години або більше протягом кількох днів поспіль вказує на можливість запуску екземплярів ноутбука Studio безперервно протягом кількох днів. Цей тип шаблону може виграти від застосування засобів контролю витрат, таких як ручне або автоматичне завершення програм Studio, коли вони не використовуються.
Як згадувалося раніше, ви можете використовувати AWS CUR для отримання даних із деталізацією ресурсу та створювати спеціальні запити для пошуку даних AWS CUR за допомогою стандартного SQL. Ви також можете включити теги розподілу витрат у свій запит для додаткового рівня деталізації. Наступний запит повертає використання ресурсів Studio KernelGateway за останні 3 місяці з ваших даних AWS CUR:
На наступному знімку екрана показано результати, отримані під час виконання запиту AWS CUR за допомогою Athena.
Результат запиту показує, що назва програми Studio KernelGateway datascience-1-0-ml-t3-medium-1abf3407f667f989be9d86559395
працює на рахунку 111111111111
, домен Studio d-domain1234
і профіль користувача user1
на екземплярі ml.t3.medium повідомляється про 24 години використання протягом кількох днів поспіль. Вартість екземпляра становить 0.05 долара США за годину, а щоденна вартість роботи протягом 24 годин становить 1.20 долара США.
Результати запиту AWS CUR можуть допомогти вам визначити шаблони роботи ресурсів протягом послідовних днів на детальному рівні погодинного або щоденного використання, які можна проаналізувати для оптимізації витрат. Як і у випадку з ноутбуками SageMaker, ви також можете передавати дані AWS CUR у QuickSight для створення звітів або візуалізації.
SageMaker Data Wrangler
Amazon SageMaker Data Wrangler — це функція Studio, яка допомагає спростити процес підготовки даних і розробки функцій за допомогою візуального інтерфейсу з низьким кодом. Назва типу використання для програми Studio Data Wrangler має таку структуру REGION-Studio_DW:KernelGateway-instanceType
(наприклад, USE1-Studio_DW:KernelGateway-ml.m5.4xlarge
).
Фільтрація за типом використання studio_DW:
у Cost Explorer покаже вам список типів використання Studio Data Wrangler в обліковому записі. Ви можете вибрати необхідні типи використання або вибрати Вибрати всі І вибирай Застосовувати щоб відобразити розбивку витрат на використання програми Studio Data Wrangler. На наступному знімку екрана показано всі виділення studio_DW
види використання для аналізу витрат.
Як зазначалося раніше, ви також можете застосувати додаткові фільтри для більш детального аналізу витрат. Наприклад, на наступному знімку екрана показано 24 години щоденного використання типу інсталяції Studio Data Wrangler ml.m5.4xlarge у регіоні USE1 протягом кількох днів і пов’язану з цим вартість. Таку статистику можна використовувати для застосування заходів контролю витрат, як-от вимикання програм Studio, коли вони не використовуються.
Ви можете отримати інформацію на рівні ресурсу з AWS CUR і створювати спеціальні запити для пошуку даних AWS CUR за допомогою стандартного SQL. Наступний запит повертає використання ресурсів програми Studio Data Wrangler і відповідну вартість за останні 3 місяці з ваших даних AWS CUR:
SELECT bill_payer_account_id, line_item_usage_account_id, line_item_resource_id AS studio_notebook_arn, line_item_usage_type, DATE_FORMAT((line_item_usage_start_date),'%Y-%m-%d') AS day_line_item_usage_start_date, SUM(CAST(line_item_usage_amount AS DOUBLE)) AS sum_line_item_usage_amount, line_item_unblended_rate, SUM(CAST(line_item_unblended_cost AS DECIMAL(16,8))) AS sum_line_item_unblended_cost, line_item_blended_rate, SUM(CAST(line_item_blended_cost AS DECIMAL(16,8))) AS sum_line_item_blended_cost, line_item_line_item_description, line_item_line_item_type FROM {$table_name} WHERE line_item_usage_start_date >= date_trunc('month',current_date - interval '3' month) AND line_item_product_code = 'AmazonSageMaker' AND line_item_line_item_type IN ('DiscountedUsage', 'Usage', 'SavingsPlanCoveredUsage') AND line_item_usage_type like '%Studio_DW:KernelGateway%' AND line_item_operation = 'RunInstance' AND bill_payer_account_id = 'xxxxxxxxxxxx' GROUP BY bill_payer_account_id, line_item_usage_account_id, line_item_resource_id, line_item_usage_type, line_item_unblended_rate, line_item_blended_rate, line_item_line_item_type, DATE_FORMAT((line_item_usage_start_date),'%Y-%m-%d'), line_item_line_item_description ORDER BY line_item_resource_id, day_line_item_usage_start_date
На наступному знімку екрана показано результати, отримані під час виконання запиту AWS CUR за допомогою Athena.
Результат запиту показує, що назва програми Studio Data Wrangler sagemaker-data-wrang-ml-m5-4xlarge-b741c1a025d542c78bb538373f2d
працює на рахунку 111111111111
, Студійний домен d-domain1234
і профіль користувача user1
на екземплярі ml.m5.4xlarge повідомляється про 24 години використання протягом кількох днів поспіль. Вартість екземпляра становить 0.922 $/год, а щоденна вартість роботи протягом 24 годин — 22.128 $.
Оптимізація вартості студії
Ноутбуки Studio оплачуються за тип екземпляра, який ви виберете, залежно від тривалості використання. Ви повинні вимкнути екземпляр, щоб припинити стягнення плати. Якщо ви вимкнете ноутбук, який працює на екземплярі, але не вимкнете екземпляр, з вас все одно стягуватиметься плата. Коли ви вимикаєте екземпляри блокнота Studio, будь-які додаткові ресурси, як-от кінцеві точки SageMaker, Amazon EMR кластери, і Служба простого зберігання Amazon (Amazon S3) сегменти, створені в Studio, не видаляються. Видаліть ці ресурси, якщо вони більше не потрібні, щоб припинити нарахування витрат. Додаткову інформацію про вимкнення ресурсів Studio див Закрити ресурси. Якщо ви використовуєте Data Wrangler, важливо вимкнути його після завершення роботи, щоб заощадити кошти. Детальніше див Завершіть роботу Data Wrangler.
Розгляньте наведені нижче найкращі методи, щоб зменшити вартість ваших блокнотів Studio.
Автоматично зупиняйте неактивні екземпляри блокнота Studio
Ви можете автоматично припинити неактивні ресурси блокнота Studio за допомогою конфігурації життєвого циклу в студії. Ви також можете встановити та використовувати розширення JupyterLab, доступне на GitHub як конфігурація життєвого циклу Studio. Докладні інструкції щодо архітектури Studio та додавання розширення див Заощаджуйте витрати шляхом автоматичного вимкнення простоїв ресурсів у Amazon SageMaker Studio.
Змінюйте розмір на льоту
Перевага блокнотів Studio перед екземплярами блокнотів полягає в тому, що в основі лежить Studio обчислювальні ресурси є повністю еластичними, і ви можете змінювати екземпляр на льоту. Це дає змогу масштабувати обчислення вгору та вниз у міру зміни вимог до обчислень, наприклад, від ml.t3.medium до ml.m5.4xlarge, не перериваючи роботу чи керування інфраструктурою. Перехід від одного екземпляра до іншого відбувається легко, і ви можете продовжувати працювати під час запуску екземпляра. Для екземплярів блокнота на вимогу вам потрібно зупинити екземпляр, оновити налаштування та перезапустити з новим типом екземпляра. Для отримання додаткової інформації див Дізнайтеся, як вибирати екземпляри ML на льоту в Amazon SageMaker Studio.
Обмежте доступ користувачів до певних типів екземплярів
Адміністратори можуть використовувати IAM ключі умов як ефективний спосіб обмежити певні типи екземплярів, наприклад екземпляри GPU, для конкретних користувачів, тим самим контролюючи витрати. Наприклад, у наведеному нижче прикладі політики доступ заборонено для всіх екземплярів, крім ml.t3.medium і ml.g4dn.xlarge. Зверніть увагу, що вам потрібно дозволити екземпляр системи для програм Jupyter Server за замовчуванням.
Щоб отримати вичерпні вказівки щодо найкращих методів оптимізації витрат Studio, див Забезпечте ефективні обчислювальні ресурси на Amazon SageMaker.
Використовуйте теги, щоб відстежувати вартість Studio
У Studio ви можете призначити власні теги своїй Studio домен а також користувачі яким надано доступ до домену. Studio автоматично скопіює та призначить ці теги до Студійні блокноти створені користувачами, тож ви можете легко відстежувати та класифікувати вартість ноутбуків Studio та створювати моделі повернення вартості для вашої організації.
За замовчуванням SageMaker автоматично позначає нові ресурси SageMaker, такі як навчальні завдання, завдання обробки, експерименти, конвеєри та записи реєстру моделей. sagemaker:domain-arn
. SageMaker також позначає ресурс тегом sagemaker:user-profile-arn
or sagemaker:space-arn
щоб позначити створення ресурсу на ще більш детальному рівні.
Адміністратори можуть використовувати автоматичне додавання тегів, щоб легко контролювати витрати, пов’язані з їх сферою діяльності, командами, окремими користувачами чи індивідуальними бізнес-проблемами, використовуючи такі інструменти, як Бюджети AWS і Cost Explorer. Наприклад, ви можете прикріпити a тег розподілу вартості для sagemaker:domain-arn
бирка.
Це дає змогу використовувати Cost Explorer для візуалізації витрат блокнота Studio для певного домену.
Враховуйте витрати на зберігання
Коли перший член вашої команди підключається до Studio, SageMaker створює Еластична файлова система Amazon (Amazon EFS) для команди. Коли цей учасник або будь-який член команди відкриває Studio, у тому учасника створюється домашній каталог. За зберігання цього каталогу стягується плата. Згодом стягується додаткова плата за зберігання блокнотів і файлів даних, що зберігаються в домашньому каталозі учасника. Для отримання додаткової інформації див Ціни Amazon EFS.
Висновок
У цій публікації ми надали вказівки щодо аналізу витрат і найкращі практики під час створення моделей машинного навчання за допомогою екземплярів блокнота та Studio. Оскільки машинне навчання стає потужним інструментом у різних галузях, навчання та використання моделей ML повинні залишатися економічно ефективними. SageMaker пропонує широкий і глибокий набір функцій для полегшення кожного кроку в конвеєрі машинного навчання та надає можливості оптимізації витрат без впливу на продуктивність або гнучкість.
Про авторів
Діпалі Раджале є старшим спеціалістом зі штучного інтелекту та ML в AWS. Вона працює з корпоративними клієнтами, надаючи технічне керівництво з найкращими практиками для розгортання та підтримки рішень AI/ML в екосистемі AWS. Вона працювала з багатьма організаціями над різними сценаріями використання глибокого навчання, пов’язаними з НЛП та комп’ютерним зором. Вона захоплена розширенням можливостей організацій використовувати генеративний штучний інтелект для покращення досвіду використання. У вільний час вона захоплюється кіно, музикою та літературою.
Урі Розенберг є технічним менеджером зі штучного інтелекту та машинного навчання для Європи, Близького Сходу та Африки. Урі, що базується в Ізраїлі, працює над розширенням можливостей корпоративних клієнтів у всьому, що стосується машинного навчання, щоб проектувати, створювати та працювати в масштабі. У вільний час він захоплюється їздою на велосипеді, пішим туризмом, сніданком, обідом і вечерею.
- Розповсюдження контенту та PR на основі SEO. Отримайте посилення сьогодні.
- PlatoAiStream. Web3 Data Intelligence. Розширення знань. Доступ тут.
- Карбування майбутнього з Адріенн Ешлі. Доступ тут.
- Купуйте та продавайте акції компаній, які вийшли на IPO, за допомогою PREIPO®. Доступ тут.
- джерело: https://aws.amazon.com/blogs/machine-learning/part-2-analyze-amazon-sagemaker-spend-and-determine-cost-optimization-opportunities-based-on-usage-part-2-sagemaker-notebooks-and-studio/
- : має
- :є
- : ні
- :де
- ][стор
- $UP
- 1
- 100
- 11
- 14
- 15%
- 20
- 2021
- 23
- 24
- 26%
- 31
- 7
- 8
- a
- МЕНЮ
- прискорений
- доступ
- виконувати
- рахунки
- через
- дію
- активний
- додати
- Додатковий
- адреса
- Перевага
- Африка
- після
- знову
- AI
- AI / ML
- ВСІ
- розподіл
- дозволяти
- дозволяє
- по
- Також
- am
- Amazon
- Amazon EC2
- Amazon SageMaker
- Студія Amazon SageMaker
- Amazon Web Services
- кількість
- an
- Аналіз
- аналіз
- аналізувати
- та
- Інший
- будь-який
- додаток
- Застосовувати
- Застосування
- підхід
- додатка
- архітектура
- ЕСТЬ
- AS
- асоційований
- At
- приєднувати
- Серпня
- Автоматизований
- автоматичний
- автоматично
- доступний
- AWS
- назад
- заснований
- бити
- основний
- BE
- оскільки
- було
- користь
- КРАЩЕ
- передового досвіду
- Краще
- між
- Великий
- біллінг
- підвищення
- Пробій
- сніданок
- будувати
- Створюємо
- бізнес
- але
- by
- розрахунки
- CAN
- випадків
- каталог
- Клітини
- певний
- складні
- зміна
- Зміни
- заміна
- заряд
- стягується
- вантажі
- Чарти
- Вибирати
- вибраний
- код
- спільний
- загальний
- Комунікація
- комплекс
- всеосяжний
- обчислення
- обчислення
- комп'ютер
- Комп'ютерне бачення
- обчислення
- обчислювальна потужність
- стан
- конфігурація
- поспіль
- Вважати
- консолі
- постійно
- спожитий
- містити
- продовжувати
- постійно
- контроль
- Контрольна вежа
- управління
- Коштувати
- рентабельним
- витрати
- може
- створювати
- створений
- створює
- створення
- створення
- Поточний
- виготовлений на замовлення
- Клієнти
- щодня
- дані
- Підготовка даних
- обробка даних
- наука про дані
- набори даних
- Днів
- Пропозиції
- Грудень
- глибокий
- глибоке навчання
- дефолт
- Попит
- залежить
- розгортання
- розгортання
- дизайн
- бажаний
- докладно
- деталі
- Визначати
- розробка
- Діалог
- Розмір
- Вечеря
- дисплей
- do
- Ні
- домен
- зроблений
- Не знаю
- подвійний
- вниз
- тривалість
- кожен
- Раніше
- легко
- Схід
- екосистема
- ефект
- Ефективний
- фактично
- ефективний
- уповноважувати
- уповноважують
- закінчується
- Машинобудування
- підвищувати
- досить
- підприємство
- Навколишнє середовище
- встановлює
- Європа
- Навіть
- Кожен
- все
- приклад
- Приклади
- Крім
- дорогий
- досвід
- Експерименти
- дослідження
- дослідник
- розширення
- додатково
- сприяння
- сімей
- сім'я
- особливість
- лютого
- філе
- Файли
- фільтрувати
- Фільтри
- Перший
- Сфокусувати
- потім
- після
- слідує
- для
- знайдений
- від
- повністю
- функція
- Функції
- Головна мета
- покоління
- генеративний
- Генеративний ШІ
- отримати
- даний
- дає
- GPU
- Графічні процесори
- графіки
- великий
- Group
- керівництво
- Обробка
- апаратні засоби
- Мати
- he
- важкий
- важкий підйом
- Герой
- допомога
- допоміг
- допомагає
- її
- його
- Головна
- хостинг
- годину
- ГОДИННИК
- Як
- How To
- Однак
- HTML
- HTTP
- HTTPS
- Сотні
- i
- ідентифікувати
- Особистість
- Idle
- if
- зображення
- зображень
- впливає
- важливо
- удосконалювати
- in
- включати
- includes
- У тому числі
- збільшений
- вказувати
- вказує
- індивідуальний
- промисловості
- інформація
- Інфраструктура
- розуміння
- встановлювати
- екземпляр
- інструкції
- інтерактивний
- інтерфейс
- в
- Вступ
- за участю
- Ізраїль
- IT
- ЙОГО
- сам
- січня
- 24 січня
- Джобс
- JPG
- липень
- тримати
- великий
- більше
- останній
- запущений
- запуски
- вести
- вчений
- вивчення
- догляд
- залишити
- Уроки
- Уроки, витягнуті
- рівень
- Важіль
- Життєвий цикл
- підйомний
- як
- Лінія
- пов'язаний
- список
- літератури
- загрузка
- довше
- подивитися
- обід
- машина
- навчання за допомогою машини
- Підтримка
- підтримує
- вдалося
- менеджер
- управляє
- управління
- керівництво
- багато
- Може..
- значущим
- заходи
- середа
- член
- пам'ять
- згаданий
- Меню
- Середній
- середній Схід
- може бути
- ML
- модель
- моделювання
- Моделі
- монітор
- місяць
- місяців
- більше
- найбільш
- кіно
- переміщення
- множинний
- музика
- повинен
- ім'я
- Названий
- Імена
- необхідно
- Необхідність
- необхідний
- потреби
- мережу
- нейронної мережі
- Нові
- nlp
- немає
- ноутбук
- зазначив,
- номер
- отримувати
- отриманий
- of
- запропонований
- пропонує
- Пропозиції
- on
- On-Demand
- ONE
- тільки
- відкрити
- Відкриється
- працювати
- Можливості
- оптимізація
- Оптимізувати
- оптимізуючий
- or
- порядок
- організація
- організації
- з
- викладені
- над
- Паралельні
- параметри
- частина
- пристрасний
- Викрійки
- моделі
- Виконувати
- продуктивність
- виконанні
- period
- трубопровід
- plato
- Інформація про дані Платона
- PlatoData
- Політика
- політика
- можливість
- пошта
- Пости
- влада
- потужний
- практики
- підготовка
- Готувати
- запобігати
- раніше
- ціни без прихованих комісій
- Проактивний
- проблеми
- процес
- обробка
- профіль
- макетування
- забезпечувати
- за умови
- забезпечує
- забезпечення
- цілей
- запити
- швидко
- діапазон
- ставка
- співвідношення
- Читати
- насправді
- рекомендувати
- рекомендований
- зменшити
- регіон
- реєстру
- пов'язаний
- щодо
- залишатися
- звітом
- Звітність
- Звіти
- Сховище
- вимагається
- Вимога
- ресурс
- ресурси
- ті
- обмежити
- результат
- в результаті
- результати
- Умови повернення
- право
- Risk
- Правило
- Правила
- прогін
- біг
- мудрець
- зберегти
- шкала
- Масштабування
- розклад
- наука
- Вчені
- scripts
- безшовні
- Забезпечений
- побачити
- обраний
- вибір
- Самообслуговування
- старший
- Вересень
- Серія
- служити
- обслуговування
- Послуги
- комплект
- установка
- Поділитись
- вона
- Склад
- Показувати
- показав
- показаний
- Шоу
- Вимикати
- вимикання
- закриття
- Аналогічно
- простий
- спростити
- з
- один
- Розмір
- Скибочка
- невеликий
- менше
- So
- рішення
- Рішення
- спеціаліст
- конкретний
- витрачати
- крутився
- standard
- старт
- почалася
- Починаючи
- починається
- Крок
- Як і раніше
- Стоп
- зупинка
- Зупиняє
- зберігання
- зберігати
- структурований
- студія
- Згодом
- такі
- достатній
- підходящий
- підтримка
- підтримка активна
- перемикач
- система
- TAG
- Приймати
- завдання
- команда
- команди
- технічний
- тест
- ніж
- Що
- Команда
- їх
- Їх
- потім
- Там.
- тим самим
- Ці
- вони
- речі
- це
- ті
- тисячі
- через
- час
- times
- до
- занадто
- інструмент
- інструменти
- Башта
- трек
- поїзд
- Навчання
- викликати
- тип
- Типи
- що лежить в основі
- розуміти
- до
- Оновити
- Використання
- використання
- використовуваний
- користувач
- користувачі
- використання
- використовувати
- ПЕРЕВІР
- різний
- видимість
- бачення
- візуалізації
- обсяг
- vs
- хотіти
- було
- шлях..
- способи
- we
- Web
- веб-сервіси
- ДОБРЕ
- коли
- в той час як
- який
- в той час як
- ВООЗ
- широкий
- Широкий діапазон
- волі
- з
- в
- без
- Work
- працював
- робочий
- робочий
- працює
- запис
- написати код
- лист
- Ти
- вашу
- зефірнет