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. # Visualizzazione delle risorse di progetto Dopo aver creato un progetto, visualizza le risorse associate al progetto in Amazon SageMaker Studio Classic. ------ #### [ Studio ] 1. Apri la console SageMaker Studio seguendo le istruzioni in [Launch Amazon SageMaker Studio](https://docs.aws.amazon.com/sagemaker/latest/dg/studio-updated-launch.html). 1. Nel riquadro di navigazione a sinistra scegli **Implementazioni**, quindi seleziona **Progetti**. 1. Seleziona il nome del progetto per il quale desideri visualizzare i dettagli. Si apre una pagina con i dettagli del progetto. Sulla pagina dei dettagli del progetto, puoi visualizzare le seguenti entità e aprire le schede seguenti che corrispondono all’entità associata al progetto. + Repository: repository di codice (repo) associati a questo progetto. Se utilizzi un modello SageMaker fornito dall'intelligenza artificiale quando crei il tuo progetto, viene creato un AWS CodeCommit repository o un repository Git di terze parti. [Per ulteriori informazioni su CodeCommit, consulta What is. AWS CodeCommit](https://docs.aws.amazon.com/codecommit/latest/userguide/welcome.html) + Pipeline: pipeline SageMaker AI ML che definiscono i passaggi per preparare i dati, addestrare e implementare modelli. Per informazioni sulle pipeline SageMaker AI ML, consulta. [Azioni di Pipelines](pipelines-build.md) + Esperimenti: uno o più esperimenti Amazon SageMaker Autopilot associati al progetto. Per ulteriori informazioni su Autopilot, consulta [SageMaker Pilota automatico](autopilot-automate-model-development.md). + Gruppi di modelli: gruppi di versioni del modello creati mediante esecuzioni di pipeline nel progetto. Per informazioni sui gruppi di modelli, consulta [Creazione di un gruppo di modelli](model-registry-model-group.md). + Endpoint: endpoint di SageMaker intelligenza artificiale che ospitano modelli distribuiti per l'inferenza in tempo reale. Quando una versione del modello viene approvata, questa viene distribuita su un endpoint. + Tag: tutti i tag associati al progetto. Per ulteriori informazioni sui tag, consulta [Tagging delle risorse AWS](https://docs.aws.amazon.com/general/latest/gr/aws_tagging.html) in *Riferimenti generali di AWS*. + Metadati: metadati associati al progetto. Includono il modello e la versione utilizzati e il percorso di avvio del modello. ------ #### [ Studio Classic ] 1. Accedi a Studio Classic. Per ulteriori informazioni, consulta [Panoramica del dominio Amazon SageMaker AI](gs-studio-onboard.md). 1. Nella barra laterale di Studio Classic, scegli l’icona **Home** (![\[Black square icon representing a placeholder or empty image.\]](http://docs.aws.amazon.com/it_it/sagemaker/latest/dg/images/studio/icons/house.png)). 1. Seleziona **Implementazioni** dal menu, quindi seleziona **Progetti**. 1. Seleziona il nome del progetto per il quale desideri visualizzare i dettagli. Viene visualizzata una scheda con i dettagli del progetto. Sulla scheda Dettagli del progetto è possibile visualizzare le seguenti entità associate al progetto. + Repository: repository di codice (repo) associati a questo progetto. Se utilizzi un modello SageMaker fornito dall'intelligenza artificiale quando crei il tuo progetto, viene creato un AWS CodeCommit repository o un repository Git di terze parti. [Per ulteriori informazioni su CodeCommit, consulta What is. AWS CodeCommit](https://docs.aws.amazon.com/codecommit/latest/userguide/welcome.html) + Pipeline: pipeline SageMaker AI ML che definiscono i passaggi per preparare i dati, addestrare e implementare modelli. Per informazioni sulle pipeline SageMaker AI ML, consulta. [Azioni di Pipelines](pipelines-build.md) + Esperimenti: uno o più esperimenti Amazon SageMaker Autopilot associati al progetto. Per ulteriori informazioni su Autopilot, consulta [SageMaker Pilota automatico](autopilot-automate-model-development.md). + Gruppi di modelli: gruppi di versioni del modello creati mediante esecuzioni di pipeline nel progetto. Per informazioni sui gruppi di modelli, consulta [Creazione di un gruppo di modelli](model-registry-model-group.md). + Endpoint: endpoint di SageMaker intelligenza artificiale che ospitano modelli distribuiti per l'inferenza in tempo reale. Quando una versione del modello viene approvata, questa viene distribuita su un endpoint. + Impostazioni: impostazioni per il progetto. Ciò include il nome e la descrizione del progetto, le informazioni sul modello di progetto e `SourceModelPackageGroupName` e i metadati sul progetto. ------