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. # Azioni di Pipelines Puoi utilizzare Amazon SageMaker Pipelines Python SDK o il visual designer drag-and-drop in Amazon SageMaker Studio per creare, visualizzare, modificare, eseguire e monitorare i tuoi flussi di lavoro ML. La schermata seguente mostra il visual designer che puoi utilizzare per creare e gestire Amazon Pipelines. SageMaker ![Screenshot dell’interfaccia visiva con trascinamento per le pipeline in Studio.](http://docs.aws.amazon.com/it_it/sagemaker/latest/dg/images/pipelines/pipelines-studio-overview.png) Dopo aver distribuito la pipeline, puoi visualizzare il grafico aciclico diretto (DAG) della pipeline e gestire le esecuzioni utilizzando Amazon Studio. SageMaker Utilizzando SageMaker Studio, puoi ottenere informazioni sulle pipeline attuali e storiche, confrontare le esecuzioni, visualizzare il DAG per le tue esecuzioni, ottenere informazioni sui metadati e altro ancora. Per informazioni su come visualizzare le pipeline da Studio, consulta [Visualizzazione dei dettagli di una pipeline](pipelines-studio-list.md). **Topics** + [Definizione di una pipeline](define-pipeline.md) + [Modifica di una pipeline](edit-pipeline-before-execution.md) + [Esecuzione di una pipeline](run-pipeline.md) + [Arresto di una pipeline](pipelines-studio-stop.md) + [Visualizzazione dei dettagli di una pipeline](pipelines-studio-list.md) + [Visualizzazione dei dettagli dell’esecuzione di una pipeline](pipelines-studio-view-execution.md) + [Download di un file di definizione della pipeline](pipelines-studio-download.md) + [Accesso ai dati dell’esperimento da una pipeline](pipelines-studio-experiments.md) + [Monitoraggio del lineage di una pipeline](pipelines-lineage-tracking.md)