本文為英文版的機器翻譯版本，如內容有任何歧義或不一致之處，概以英文版為準。

# Amazon SageMaker AI 提供的機器學習環境
<a name="machine-learning-environments"></a>

**重要**  
Amazon SageMaker Studio 和 Amazon SageMaker Studio Classic 是兩種機器學習環境，可用來與 SageMaker AI 互動。  
如果您的網域是在 2023 年 11 月 30 日之後建立的，則 Studio 是您的預設體驗。  
如果您的網域是在 2023 年 11 月 30 日之前建立的，Amazon SageMaker Studio Classic 是您的預設體驗。若要在 Amazon SageMaker Studio Classic 是您的預設體驗時使用 Studio，請參閱[從 Amazon SageMaker Studio Classic 遷移](studio-updated-migrate.md)。  
當您從 Amazon SageMaker Studio Classic 遷移至 Amazon SageMaker Studio 時，功能可用性不會有任何損失。Studio Classic 也以 IDE 的形式存在於 Amazon SageMaker Studio 內，以協助您執行舊版機器學習工作流程。

SageMaker AI 支援以下機器學習環境：
+ *Amazon SageMaker Studio* (建議)：使用一組 IDE 執行 ML 工作流程的最新 Web 型體驗。Studio 支援以下應用程式：
  + Amazon SageMaker Studio Classic
  + 程式碼編輯器，以 Code-OSS、Visual Studio Code - Open Source 為基礎
  + JupyterLab
  + Amazon SageMaker Canvas
  + RStudio
+ *Amazon SageMaker Studio Classic*：可讓您建置、訓練、偵錯、部署和監控您的機器學習模型。
+ *Amazon SageMaker Notebook 執行個體*：可讓您從執行 Jupyter 筆記本應用程式的運算執行個體準備和處理資料，以及訓練和部署機器學習模型。
+ *Amazon SageMaker Studio Lab*：Studio Lab 是一項免費服務，可讓您在以開放原始碼 JupyterLab 為基礎的環境中存取 AWS 運算資源，而無需 AWS 帳戶。
+ *Amazon SageMaker Canvas*：讓您能夠使用機器學習產生預測，且無需程式碼。
+ *Amazon SageMaker 地理空間*：讓您能夠建立、訓練和部署地理空間模型。
+ *RStudio on Amazon SageMaker AI*：RStudio 是適用於 [R](https://aws.amazon.com/blogs/opensource/getting-started-with-r-on-amazon-web-services/) 的 IDE，具有支援直接程式碼執行的主控台、語法強調顯示編輯器，以及繪圖、歷史記錄、偵錯和工作區管理的工具。
+ *SageMaker HyperPod*：SageMaker HyperPod 可讓您佈建彈性叢集，以執行機器學習 (ML) 工作負載和開發最先進的模型，例如大型語言模型 (LLM)、擴散模型和基礎模型 (FM)。

若要使用這些機器學習環境，您或您組織的管理員必須建立一個 Amazon SageMaker AI 網域。例外狀況包括 Studio Lab、SageMaker 筆記本執行個體和 SageMaker HyperPod。

您可以建立 Amazon DataZone 網域，而不是為您自己和使用者手動佈建資源和管理許可。建立 Amazon DataZone 網域的程序會為您的 ETL 工作流程建立具有 AWS Glue 或 Amazon Redshift 資料庫的對應 Amazon SageMaker AI 網域。透過 Amazon DataZone 設定網域可減少為使用者設定 SageMaker AI 環境所需的時間。如需在 Amazon DataZone 內設定 Amazon SageMaker AI 網域的詳細資訊，請參閱[設定 SageMaker 資產 (管理員指南)](sm-assets-set-up.md)。

Amazon DataZone 網域內的使用者具有所有 Amazon SageMaker AI 動作的許可，但其許可的範圍會縮小至 Amazon DataZone 網域內的資源。

建立 Amazon DataZone 網域可簡化建立網域的過程，讓使用者可以彼此共用資料和模型。如需他們如何共用資料和模型的相關資訊，請參閱[使用 Amazon SageMaker Assets 對資產進行控制式存取](sm-assets.md)。

**Topics**
+ [Amazon SageMaker Studio](studio-updated.md)
+ [SageMaker JupyterLab](studio-updated-jl.md)
+ [Amazon SageMaker 筆記本執行個體](nbi.md)
+ [Amazon SageMaker Studio Lab](studio-lab.md)
+ [Amazon SageMaker Canvas](canvas.md)
+ [Amazon SageMaker 地理空間功能](geospatial.md)
+ [RStudio on Amazon SageMaker AI](rstudio.md)
+ [Amazon SageMaker Studio 中的程式碼編輯器](code-editor.md)
+ [Amazon SageMaker HyperPod](sagemaker-hyperpod.md)
+ [SageMaker 筆記本環境中的生成式 AI](jupyterai.md)
+ [Amazon Q Developer](studio-updated-amazon-q.md)
+ [Amazon SageMaker 合作夥伴 AI 應用程式概觀](partner-apps.md)