ریئل ٹائم تعاون کے لیے SageMaker اسٹوڈیو میں مشترکہ جگہوں کا استعمال کرتے ہوئے مشین لرننگ کی ترقی کو منظم کریں۔

ایمیزون سیج میکر اسٹوڈیو مشین لرننگ (ML) کے لیے پہلا مکمل طور پر مربوط ترقیاتی ماحول (IDE) ہے۔ یہ ایک واحد، ویب پر مبنی بصری انٹرفیس فراہم کرتا ہے جہاں آپ تمام ایم ایل ڈیولپمنٹ کے اقدامات انجام دے سکتے ہیں، بشمول ڈیٹا کی تیاری اور ماڈلز کی تعمیر، تربیت، اور تعیناتی۔

ایک کے اندر ایمیزون سیج میکر ڈومین، صارفین ایک ذاتی Amazon SageMaker Studio IDE ایپلیکیشن فراہم کر سکتے ہیں، جو Amazon کو جانچنے کے لیے بلٹ ان انٹیگریشن کے ساتھ ایک مفت JupyterServer چلاتا ہے۔ سیج میکر کے تجربات، آرکیسٹریٹ ایمیزون سیج میکر پائپ لائنز، اور بہت کچھ. صارفین صرف اپنے نوٹ بک کے کرنل پر لچکدار کمپیوٹ کے لیے ادائیگی کرتے ہیں۔ یہ ذاتی ایپلی کیشنز خود بخود متعلقہ صارف کی پرائیویٹ ماؤنٹ ہو جاتی ہیں۔ ایمیزون لچکدار فائل سسٹم (ایمیزون ای ایف ایس) ہوم ڈائریکٹری تاکہ وہ کوڈ، ڈیٹا اور دیگر فائلوں کو دوسرے صارفین سے الگ تھلگ رکھ سکیں۔ ایمیزون سیج میکر اسٹوڈیو پہلے سے ہی نجی ایپلی کیشنز کے درمیان نوٹ بک کے اشتراک کی حمایت کرتا ہے۔، لیکن غیر مطابقت پذیر طریقہ کار تکرار کے عمل کو سست کر سکتا ہے۔

اب کے ساتھ ایمیزون سیج میکر اسٹوڈیو میں مشترکہ جگہیں۔، صارفین مشترکہ IDE ایپلیکیشن بنا کر باہمی تعاون پر مبنی ML کوششوں اور اقدامات کو منظم کر سکتے ہیں جسے صارفین اپنے Amazon SageMaker صارف پروفائل کے ساتھ استعمال کرتے ہیں۔ مشترکہ جگہ میں تعاون کرنے والے ڈیٹا ورکرز کو Amazon SageMaker اسٹوڈیو کے ماحول تک رسائی حاصل ہوتی ہے جہاں وہ حقیقی وقت میں اپنی نوٹ بکس تک رسائی، پڑھ، ترمیم اور اشتراک کر سکتے ہیں، جو انہیں نئے آئیڈیاز پر اپنے ساتھیوں کے ساتھ تکرار شروع کرنے کا تیز ترین راستہ فراہم کرتا ہے۔ ڈیٹا ورکرز ریئل ٹائم تعاون کی صلاحیتوں کا استعمال کرتے ہوئے بیک وقت ایک ہی نوٹ بک پر بھی تعاون کر سکتے ہیں۔ نوٹ بک ہر شریک ترمیم کرنے والے صارف کو ایک مختلف کرسر کے ساتھ اشارہ کرتی ہے جو ان کے متعلقہ صارف پروفائل کا نام دکھاتا ہے۔

سیج میکر اسٹوڈیو میں مشترکہ جگہیں خود کار طریقے سے وسائل کو ٹیگ کرتی ہیں، جیسے کہ ٹریننگ جابز، پروسیسنگ جابز، تجربات، پائپ لائنز، اور ماڈل رجسٹری اندراجات جو ان کے متعلقہ کے ساتھ ورک اسپیس کے دائرہ کار میں بنائی گئی ہیں۔ sagemaker:space-arn. جگہ ان وسائل کو Amazon SageMaker Studio صارف انٹرفیس (UI) کے اندر فلٹر کرتی ہے لہذا صارفین کو صرف SageMaker تجربات، پائپ لائنز، اور دیگر وسائل کے ساتھ پیش کیا جاتا ہے جو ان کی ML کوشش کے لیے موزوں ہیں۔

حل جائزہ

چونکہ مشترکہ جگہیں خود بخود وسائل کو ٹیگ کرتی ہیں، اس لیے منتظمین آسانی سے ML کوشش سے وابستہ اخراجات کی نگرانی کر سکتے ہیں اور ٹولز کا استعمال کرتے ہوئے بجٹ کی منصوبہ بندی کر سکتے ہیں۔ AWS بجٹ اور AWS لاگت ایکسپلورر. بطور ایڈمنسٹریٹر آپ کو صرف ایک منسلک کرنے کی ضرورت ہوگی۔ لاگت مختص کرنے کا ٹیگ لیے sagemaker:space-arn.

اس کے مکمل ہونے کے بعد، آپ AWS Cost Explorer استعمال کر سکتے ہیں تاکہ یہ شناخت کر سکیں کہ انفرادی ML منصوبوں پر آپ کی تنظیم کی کتنی لاگت آ رہی ہے۔

Amazon SageMaker اسٹوڈیو میں مشترکہ جگہوں کے ساتھ شروع کریں۔

اس سیکشن میں، ہم Amazon SageMaker Studio میں مشترکہ جگہیں بنانے اور استعمال کرنے کے لیے عام ورک فلو کا تجزیہ کریں گے۔

ایمیزون سیج میکر اسٹوڈیو میں ایک مشترکہ جگہ بنائیں

آپ ایمیزون سیج میکر کنسول یا استعمال کرسکتے ہیں۔ AWS کمانڈ لائن انٹرفیس (AWS CLI) موجودہ ڈومین میں خالی جگہوں کے لیے تعاون شامل کرنے کے لیے۔ تازہ ترین معلومات کے لیے، براہ کرم چیک کریں۔ ایک مشترکہ جگہ بنائیں. مشترکہ جگہیں صرف JupyterLab 3 SageMaker اسٹوڈیو امیج کے ساتھ کام کرتی ہیں اور AWS Identity and Access Management (AWS IAM) کی توثیق کا استعمال کرتے ہوئے SageMaker ڈومینز کے لیے۔

کنسول کی تخلیق

ایک نامزد Amazon SageMaker ڈومین کے اندر ایک اسپیس بنانے کے لیے، آپ کو پہلے ایک نامزد اسپیس ڈیفالٹ ایگزیکیوشن رول سیٹ کرنے کی ضرورت ہوگی۔ سے ڈومین کی تفصیلات صفحہ ، منتخب کریں ڈومین کی ترتیبات ٹیب اور منتخب کریں ترمیم کریں. پھر آپ اسپیس ڈیفالٹ ایگزیکیوشن رول سیٹ کر سکتے ہیں، جسے صرف ایک بار فی ڈومین مکمل کرنے کی ضرورت ہے، جیسا کہ درج ذیل خاکہ میں دکھایا گیا ہے:

اگلا ، آپ پر جا سکتے ہیں۔ خلائی انتظام۔ اپنے ڈومین کے اندر ٹیب کریں اور منتخب کریں۔ تخلیق کریں بٹن، جیسا کہ درج ذیل خاکہ میں دکھایا گیا ہے:

AWS CLI تخلیق

آپ AWS CLI سے ڈیفالٹ ڈومین اسپیس ایگزیکیوشن رول بھی سیٹ کر سکتے ہیں۔ اپنے علاقے کی JupyterLab3 تصویر ARN کا تعین کرنے کے لیے، چیک کریں۔ ڈیفالٹ JupyterLab ورژن ترتیب دینا.

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

آپ کے ڈومین کے لیے مکمل ہو جانے کے بعد، آپ CLI سے ایک مشترکہ جگہ بنا سکتے ہیں۔

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

ایمیزون سیج میکر اسٹوڈیو میں مشترکہ جگہ لانچ کریں۔

صارفین کو منتخب کرکے مشترکہ جگہ لانچ کرسکتے ہیں۔ شروع ان کے Amazon SageMaker ڈومین کے لیے AWS کنسول کے اندر ان کے صارف پروفائل کے آگے بٹن۔

منتخب کرنے کے بعد۔ خالی جگہوں تعاونی سیکشن کے تحت، پھر منتخب کریں کہ کون سی اسپیس لانچ کرنی ہے:

متبادل طور پر، صارفین AWS CLI کے ذریعے اسپیس لانچ کرنے کے لیے پہلے سے دستخط شدہ URL تیار کر سکتے ہیں:

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

حقیقی وقت میں تعاون

ایمیزون سیج میکر اسٹوڈیو کے مشترکہ اسپیس IDE کے لوڈ ہونے کے بعد، صارف منتخب کر سکتے ہیں۔ شراکت دار بائیں پینل پر ٹیب کو دیکھیں کہ کون سے صارف آپ کی جگہ اور کس نوٹ بک پر فعال طور پر کام کر رہے ہیں۔ اگر ایک سے زیادہ لوگ ایک ہی نوٹ بک پر کام کر رہے ہیں، تو آپ کو دوسرے صارف کے پروفائل نام کے ساتھ ایک کرسر نظر آئے گا جہاں وہ ترمیم کر رہے ہیں:

درج ذیل اسکرین شاٹ میں، آپ ایک ہی نوٹ بک میں ترمیم کرنے اور دیکھنے والے کسی کے لیے مختلف صارف کے تجربات دیکھ سکتے ہیں۔

نتیجہ

اس پوسٹ میں، ہم نے آپ کو دکھایا کہ کس طرح SageMaker اسٹوڈیو میں مشترکہ جگہیں Amazon SageMaker اسٹوڈیو میں ایک حقیقی وقتی تعاون پر مبنی IDE کا تجربہ شامل کرتی ہیں۔ خودکار ٹیگنگ صارفین کو ان کے Amazon SageMaker وسائل کی گنجائش اور فلٹر کرنے میں مدد کرتی ہے، جس میں شامل ہیں: تجربات، پائپ لائنز، اور ماڈل رجسٹری اندراجات صارف کی پیداواری صلاحیت کو زیادہ سے زیادہ کرنے کے لیے۔ مزید برآں، منتظمین ان لاگو کردہ ٹیگز کو کسی دی گئی جگہ سے منسلک اخراجات کی نگرانی کے لیے استعمال کر سکتے ہیں اور AWS Cost Explorer اور AWS بجٹ کا استعمال کرتے ہوئے مناسب بجٹ سیٹ کر سکتے ہیں۔

اپنی مخصوص مشین سیکھنے کی کوششوں کے لیے Amazon SageMaker Studio میں مشترکہ جگہیں ترتیب دے کر آج ہی اپنی ٹیم کے تعاون کو تیز کریں!

مصنفین کے بارے میں

شان مورگن AWS میں AI/ML سلوشنز آرکیٹیکٹ ہے۔ اس کے پاس سیمی کنڈکٹر اور تعلیمی تحقیقی شعبوں میں تجربہ ہے، اور وہ اپنے تجربے کا استعمال صارفین کو AWS پر اپنے مقاصد تک پہنچنے میں مدد کرنے کے لیے کرتا ہے۔ اپنے فارغ وقت میں، شان ایک فعال اوپن سورس کنٹریبیوٹر/مینٹینر ہے اور TensorFlow Add-ons کے لیے خصوصی دلچسپی والے گروپ کی قیادت ہے۔

ہان ژانگ ایمیزون ویب سروسز میں ایک سینئر سافٹ ویئر انجینئر ہے۔ وہ Amazon SageMaker Notebooks اور Amazon SageMaker Studio کے لیے لانچ ٹیم کا حصہ ہے، اور صارفین کے لیے مشین لرننگ کے محفوظ ماحول کی تعمیر پر توجہ مرکوز کر رہی ہے۔ اپنے فارغ وقت میں، وہ پیسیفک نارتھ ویسٹ میں ہائیکنگ اور اسکیئنگ سے لطف اندوز ہوتی ہے۔

آرکاپروا ڈی AWS میں ایک سینئر سافٹ ویئر انجینئر ہے۔ وہ ایمیزون میں 7 سال سے زیادہ عرصے سے ہے اور فی الحال ایمیزون سیج میکر اسٹوڈیو IDE کے تجربے کو بہتر بنانے پر کام کر رہا ہے۔ آپ اسے تلاش کر سکتے ہیں۔ لنکڈ.

کنال جھا AWS میں ایک سینئر پروڈکٹ مینیجر ہے۔ وہ ایمیزون سیج میکر اسٹوڈیو کو ایم ایل ڈیولپمنٹ کے تمام مراحل کے لیے پسند کے IDE کے طور پر بنانے پر مرکوز ہے۔ اپنے فارغ وقت میں، کنال اسکیئنگ سے لطف اندوز ہوتے ہیں اور پیسفک شمال مغرب کی سیر کرتے ہیں۔ آپ اسے تلاش کر سکتے ہیں۔ لنکڈ.