Les traductions sont fournies par des outils de traduction automatique. En cas de conflit entre le contenu d'une traduction et celui de la version originale en anglais, la version anglaise prévaudra.
Comment Amazon SageMaker utilise AWS Secrets Manager
SageMaker est un service d'apprentissage automatique entièrement géré. Les data scientists et les développeurs peuvent ainsi créer et entraîner rapidement et facilement des modèles d'apprentissage automatique, puis les déployer directement dans un environnement hébergé prêt pour la production. SageMaker Ce service fournit une instance de bloc-notes intégré à Jupyter pour accéder facilement à vos sources de données à des fins d'exploration et d'analyse. Ainsi, vous n'avez pas de serveur à gérer.
Vous pouvez associer des référentiels Git à vos instances de bloc-notes Jupyter pour enregistrer vos blocs-notes dans un environnement source de contrôle qui persiste même si vous arrêtez ou supprimez votre instance de bloc-notes. Vous pouvez gérer vos informations d'identification de référentiels privés à l'aide de Secrets Manager. Pour plus d'informations, consultez Associer des référentiels Git à des instances Amazon SageMaker Notebook dans le manuel Amazon SageMaker Developer Guide.
Pour importer des données depuis Databricks, Data Wrangler les enregistre dans Secrets JDBC URL Manager. Pour plus d'informations, consultez Importer des données depuis Databricks () JDBC.
Pour importer des données depuis Snowflake, Data Wrangler stocke vos informations d'identification dans un secret de Secrets Manager. Pour plus d'informations, consultez Importation des données depuis Snowflake.
