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.
# Imposta i valori predefiniti dalla console SageMaker AI per Amazon Studio Classic SageMaker
**Importante**
Le politiche IAM personalizzate che consentono ad Amazon SageMaker Studio o Amazon SageMaker Studio Classic di creare SageMaker risorse Amazon devono inoltre concedere le autorizzazioni per aggiungere tag a tali risorse. L’autorizzazione per aggiungere tag alle risorse è necessaria perché Studio e Studio Classic applicano automaticamente tag a tutte le risorse che creano. Se una policy IAM consente a Studio e Studio Classic di creare risorse ma non consente l'etichettatura, possono verificarsi errori AccessDenied "" durante il tentativo di creare risorse. Per ulteriori informazioni, consulta [Fornisci le autorizzazioni per etichettare SageMaker le risorse AI](security_iam_id-based-policy-examples.md#grant-tagging-permissions).
[AWS politiche gestite per Amazon SageMaker AI](security-iam-awsmanpol.md)che danno i permessi per creare SageMaker risorse includono già le autorizzazioni per aggiungere tag durante la creazione di tali risorse.
**Importante**
A partire dal 30 novembre 2023, la precedente esperienza Amazon SageMaker Studio è ora denominata Amazon SageMaker Studio Classic. La sezione seguente è specifica per l’utilizzo dell’applicazione Studio Classic. Per informazioni sull’utilizzo dell’esperienza Studio aggiornata, consulta [Amazon SageMaker Studio](studio-updated.md).
Studio Classic viene ancora mantenuto per i carichi di lavoro esistenti, ma non è più disponibile per l'onboarding. È possibile solo interrompere o eliminare le applicazioni Studio Classic esistenti e non è possibile crearne di nuove. Ti consigliamo di [migrare il tuo carico di lavoro alla nuova esperienza Studio](studio-updated-migrate.md).
Puoi impostare script di configurazione del ciclo di vita predefiniti dalla console SageMaker AI per le seguenti risorse.
+ Domini
+ Profili utente
Non è possibile impostare script di configurazione del ciclo di vita predefiniti per gli spazi condivisi dalla console AI. SageMaker Per informazioni su come impostare i valori predefiniti per gli spazi condivisi, consulta [Imposta i valori predefiniti da per AWS CLI Amazon Studio Classic SageMaker](studio-lcc-defaults-cli.md).
Le sezioni seguenti descrivono come impostare gli script di configurazione del ciclo di vita predefiniti dalla console AI. SageMaker
**Topics**
+ [Prerequisiti](#studio-lcc-defaults-cli-prerequisites)
+ [Impostazione di una configurazione del ciclo di vita predefinita per un dominio](#studio-lcc-defaults-cli-domain)
+ [Impostazione di una configurazione del ciclo di vita predefinita per un profilo utente](#studio-lcc-defaults-cli-user-profile)
## Prerequisiti
Prima di iniziare, completa i seguenti prerequisiti:
+ Effettua l'accesso al dominio SageMaker AI seguendo i passaggi indicati. [Panoramica del dominio Amazon SageMaker AI](gs-studio-onboard.md)
+ Crea una configurazione del ciclo di vita seguendo le fasi descritte in [Crea e associa una configurazione del ciclo di vita con Amazon Studio Classic SageMaker](studio-lcc-create.md).
## Impostazione di una configurazione del ciclo di vita predefinita per un dominio
La procedura seguente mostra come impostare una configurazione del ciclo di vita predefinita per un dominio dalla SageMaker console AI.
1. Apri la console Amazon SageMaker AI all'indirizzo [https://console.aws.amazon.com/sagemaker/](https://console.aws.amazon.com/sagemaker/).
1. Dall'elenco dei domini, seleziona il nome del dominio per cui impostare la configurazione del ciclo di vita.
1. Da **Dettagli del dominio**, seleziona la scheda **Ambiente**.
1. In **Lifecycle configurations for personal Studio apps**, seleziona la configurazione del ciclo di vita che desideri impostare come predefinita per il dominio. Puoi impostare impostazioni predefinite JupyterServer e KernelGateway applicazioni distinte.
1. Scegli **Imposta come predefinito**. Si apre una finestra pop-up che elenca le impostazioni predefinite correnti per e le applicazioni. JupyterServer KernelGateway
1. Scegli **Imposta come predefinito** per impostare la configurazione del ciclo di vita come predefinita per il rispettivo tipo di applicazione.
## Impostazione di una configurazione del ciclo di vita predefinita per un profilo utente
La procedura seguente mostra come impostare una configurazione del ciclo di vita predefinita per un profilo utente dalla console AI. SageMaker
1. Apri la console Amazon SageMaker AI all'indirizzo [https://console.aws.amazon.com/sagemaker/](https://console.aws.amazon.com/sagemaker/).
1. Dall'elenco dei domini, seleziona il nome del dominio che contiene il profilo utente per cui desideri impostare la configurazione del ciclo di vita predefinita.
1. Da **Dettagli del dominio**, seleziona la scheda **Profilo utente**.
1. Seleziona il nome del profilo utente per cui impostare la configurazione del ciclo di vita predefinita. Si aprirà una pagina denominata **Dettagli utente**.
1. Nella pagina **Dettagli utente** seleziona **Modifica**. Si aprirà una pagina denominata **Modifica profilo utente**.
1. Dalla pagina **Modifica profilo utente**, scegli **Impostazioni Studio fase 2**.
1. In **Lifecycle configurations attached to user**, seleziona la configurazione del ciclo di vita che desideri impostare come predefinita per il profilo utente. Puoi impostare impostazioni predefinite JupyterServer e KernelGateway applicazioni distinte.
1. Scegli **Imposta come predefinito**. Si apre una finestra pop-up che elenca le impostazioni predefinite correnti per e le applicazioni. JupyterServer KernelGateway
1. Scegli **Imposta come predefinito** per impostare la configurazione del ciclo di vita come predefinita per il rispettivo tipo di applicazione.