Terjemahan disediakan oleh mesin penerjemah. Jika konten terjemahan yang diberikan bertentangan dengan versi bahasa Inggris aslinya, utamakan versi bahasa Inggris.
Lingkungan pembelajaran mesin yang ditawarkan oleh Amazon SageMaker AI
penting
Amazon SageMaker Studio dan Amazon SageMaker Studio Classic adalah dua lingkungan pembelajaran mesin yang dapat Anda gunakan untuk berinteraksi dengan SageMaker AI.
Jika domain Anda dibuat setelah 30 November 2023, Studio adalah pengalaman default Anda.
Jika domain Anda dibuat sebelum 30 November 2023, Amazon SageMaker Studio Classic adalah pengalaman default Anda. Untuk menggunakan Studio jika Amazon SageMaker Studio Classic adalah pengalaman default Anda, lihatMigrasi dari Amazon SageMaker Studio Classic.
Saat Anda bermigrasi dari Amazon SageMaker Studio Classic ke Amazon SageMaker Studio, tidak ada kerugian dalam ketersediaan fitur. Studio Classic juga ada sebagai IDE dalam Amazon SageMaker Studio untuk membantu Anda menjalankan alur kerja machine learning lama.
SageMaker AI mendukung lingkungan pembelajaran mesin berikut:
-
Amazon SageMaker Studio (Direkomendasikan): Pengalaman berbasis web terbaru untuk menjalankan alur kerja ML dengan rangkaian. IDEs Studio mendukung aplikasi berikut:
-
Amazon SageMaker Studio Klasik
-
Editor Kode, berdasarkan Kode-OSS, Kode Visual Studio - Sumber Terbuka
-
JupyterLab
-
SageMaker Kanvas Amazon
-
RStudio
-
-
Amazon SageMaker Studio Classic: Memungkinkan Anda membuat, melatih, men-debug, menerapkan, dan memantau model pembelajaran mesin Anda.
-
Instans SageMaker Notebook Amazon: Memungkinkan Anda menyiapkan dan memproses data, serta melatih serta menerapkan model machine learning dari instance komputasi yang menjalankan aplikasi Jupyter Notebook.
-
Amazon SageMaker Studio Lab: Studio Lab adalah layanan gratis yang memberi Anda akses ke sumber daya AWS komputasi, di lingkungan berbasis sumber terbuka JupyterLab, tanpa memerlukan akun AWS .
-
Amazon SageMaker Canvas: Memberi Anda kemampuan untuk menggunakan pembelajaran mesin untuk menghasilkan prediksi tanpa perlu kode.
-
Amazon SageMaker geospasial: Memberi Anda kemampuan untuk membangun, melatih, dan menerapkan model geospasial.
-
RStudio di Amazon SageMaker AI: RStudio adalah IDE untuk R
, dengan konsol, editor penyorotan sintaks yang mendukung eksekusi kode langsung, dan alat untuk merencanakan, riwayat, debugging, dan manajemen ruang kerja. -
SageMaker HyperPod: SageMaker HyperPod memungkinkan Anda menyediakan klaster tangguh untuk menjalankan beban kerja pembelajaran mesin (ML) dan mengembangkan state-of-the-art model seperti model bahasa besar (LLMs), model difusi, dan model dasar (). FMs
Untuk menggunakan lingkungan pembelajaran mesin ini, Anda atau administrator organisasi Anda harus membuat domain Amazon SageMaker AI. Eksepsinya adalah Studio Lab, Instans SageMaker Notebook, dan. SageMaker HyperPod
Alih-alih menyediakan sumber daya secara manual dan mengelola izin untuk diri sendiri dan pengguna, Anda dapat membuat domain Amazon. DataZone Proses pembuatan DataZone domain Amazon membuat domain Amazon SageMaker AI yang sesuai dengan AWS Glue atau database Amazon Redshift untuk alur kerja ETL Anda. Menyiapkan domain melalui Amazon DataZone mengurangi jumlah waktu yang diperlukan untuk menyiapkan lingkungan SageMaker AI bagi pengguna Anda. Untuk informasi selengkapnya tentang menyiapkan domain Amazon SageMaker AI di Amazon DataZone, lihatMengatur SageMaker Aset (panduan administrator).
Pengguna dalam DataZone domain Amazon memiliki izin untuk semua tindakan SageMaker AI Amazon, tetapi izin mereka tercakup ke sumber daya dalam domain Amazon. DataZone
Membuat DataZone domain Amazon menyederhanakan pembuatan domain yang memungkinkan pengguna Anda berbagi data dan model satu sama lain. Untuk informasi tentang bagaimana mereka dapat berbagi data dan model, lihatAkses terkontrol ke aset dengan SageMaker Aset Amazon.