Die vorliegende Übersetzung wurde maschinell erstellt. Im Falle eines Konflikts oder eines Widerspruchs zwischen dieser übersetzten Fassung und der englischen Fassung (einschließlich infolge von Verzögerungen bei der Übersetzung) ist die englische Fassung maßgeblich.

# Amazon SageMaker Studio (webbasierte Entwicklung)
<a name="sagemaker-hyperpod-ray-studio"></a>

Amazon SageMaker Studio ist die speziell entwickelte Schnittstelle für Datenwissenschaftler und ML-Ingenieure. Auf der ** Registerkarte ** Aufgaben können Sie,, und `RayService` Ressourcen verwalten `RayCluster` `RayJob``RayCronJob`, ohne Kubernetes-Manifeste schreiben zu müssen. Studio liest und schreibt dieselben KubeRay benutzerdefinierten Ressourcen, die der Operator abgleicht, sodass eine Ressource, die Sie in Studio erstellen, mit der Ressource identisch ist, mit der Sie sich bewerben. `kubectl`

Studio eignet sich für Teams, die möchten, dass Datenwissenschaftler ohne Kubernetes-Kenntnisse produktiv auf Ray arbeiten. Beide Oberflächen nutzen dieselben Ressourcen, und Sie können zwischen ihnen wechseln.

Der folgende Screenshot zeigt die ** Registerkarte „**Aufgaben“ mit geöffnetem ** Menü „**Aktionen“ auf einem Ray-Cluster.

![Die Registerkarte „Aufgaben“ in SageMaker Studio mit dem geöffneten Menü „Aktionen“ auf einem Ray-Cluster.](https://docs.aws.amazon.com/de_de/sagemaker/latest/dg/images/ray/studio-tasks-tab-ray-cluster-actions.png)


## Bevor Sie beginnen
<a name="sagemaker-hyperpod-ray-studio-before-you-begin"></a>

Konfigurieren Sie eine SageMaker AI-Domain und gewähren Sie ihr einmal Zugriff auf Ihren Cluster, bevor jemand die ** Registerkarte „**Aufgaben“ verwendet. Weitere Informationen finden Sie unter [Studio für Ray einrichten](sagemaker-hyperpod-ray-studio-setup.md).

**Topics**
+ [Bevor Sie beginnen](#sagemaker-hyperpod-ray-studio-before-you-begin)
+ [Studio für Ray einrichten](sagemaker-hyperpod-ray-studio-setup.md)