Le traduzioni sono generate tramite traduzione automatica. In caso di conflitto tra il contenuto di una traduzione e la versione originale in Inglese, quest'ultima prevarrà.
Ambienti di apprendimento automatico offerti da Amazon SageMaker AI
Importante
Amazon SageMaker Studio e Amazon SageMaker Studio Classic sono due degli ambienti di apprendimento automatico che puoi utilizzare per interagire con l' SageMaker IA.
Se il tuo dominio è stato creato dopo il 30 novembre 2023, Studio è la tua esperienza predefinita.
Se il dominio è stato creato prima del 30 novembre 2023, Amazon SageMaker Studio Classic è l'esperienza predefinita. Per utilizzare Studio se Amazon SageMaker Studio Classic è la tua esperienza predefinita, consultaMigrazione da Amazon SageMaker Studio Classic.
Quando esegui la migrazione da Amazon SageMaker Studio Classic ad Amazon SageMaker Studio, non si verifica alcuna perdita nella disponibilità delle funzionalità. Studio Classic esiste anche come IDE all'interno di Amazon SageMaker Studio per aiutarti a eseguire i flussi di lavoro di machine learning esistenti.
SageMaker L'IA supporta i seguenti ambienti di apprendimento automatico:
-
Amazon SageMaker Studio (consigliato): la più recente esperienza basata sul Web per l'esecuzione di flussi di lavoro ML con una suite di IDE. Studio supporta le applicazioni seguenti:
-
Amazon Studio Classic SageMaker
-
Editor di codice, basato su Code-OSS Visual Studio Code - Open Source
-
JupyterLab
-
Amazon SageMaker Canvas
-
RStudio
-
-
Amazon SageMaker Studio Classic: ti consente di creare, addestrare, eseguire il debug, distribuire e monitorare i tuoi modelli di machine learning.
-
Amazon SageMaker Notebook Instances: consente di preparare ed elaborare dati e addestrare e distribuire modelli di machine learning da un'istanza di calcolo che esegue l'applicazione Jupyter Notebook.
-
Amazon SageMaker Studio Lab: Studio Lab è un servizio gratuito che consente di accedere alle risorse di AWS calcolo, in un ambiente basato sull'open source, senza richiedere un account. JupyterLab AWS
-
Amazon SageMaker Canvas: ti dà la possibilità di utilizzare l'apprendimento automatico per generare previsioni senza bisogno di codice.
-
Amazon SageMaker geospatial: ti dà la possibilità di creare, addestrare e distribuire modelli geospaziali.
-
RStudio su Amazon SageMaker AI: RStudio è un IDE per R
, con una console, un editor di evidenziazione della sintassi che supporta l'esecuzione diretta di codice e strumenti per la stampa, la cronologia, il debug e la gestione dello spazio di lavoro. -
SageMaker HyperPod: SageMaker HyperPod consente di fornire cluster resilienti per l'esecuzione di carichi di lavoro di machine learning (ML) e lo sviluppo di modelli all'avanguardia come modelli di linguaggio ampio (LLM), modelli di diffusione e modelli di base (FM).
Per utilizzare questi ambienti di machine learning, tu o l'amministratore della tua organizzazione dovete creare un dominio Amazon AI. SageMaker Le eccezioni sono Studio Lab, SageMaker Notebook Instances e. SageMaker HyperPod
Invece di assegnare manualmente le risorse e gestire le autorizzazioni per te e i tuoi utenti, puoi creare un dominio Amazon. DataZone Il processo di creazione di un DataZone dominio Amazon crea un dominio Amazon SageMaker AI corrispondente con AWS Glue i nostri database Amazon Redshift per i flussi di lavoro ETL. La configurazione di un dominio tramite Amazon DataZone riduce il tempo necessario per configurare gli ambienti SageMaker AI per i tuoi utenti. Per ulteriori informazioni sulla configurazione di un dominio Amazon SageMaker AI all'interno di Amazon DataZone, consultaConfigura SageMaker Assets (guida per l'amministratore).
Gli utenti all'interno del DataZone dominio Amazon dispongono delle autorizzazioni per tutte le azioni Amazon SageMaker AI, ma le loro autorizzazioni si limitano alle risorse all'interno del dominio Amazon. DataZone
La creazione di un DataZone dominio Amazon semplifica la creazione di un dominio che consente agli utenti di condividere dati e modelli tra loro. Per informazioni sulle modalità di condivisione di dati e modelli, consulta Accesso controllato alle risorse con Amazon SageMaker Assets.
Argomenti
