Instancias de cuaderno de Amazon SageMaker

Un instancia de cuaderno de Amazon SageMaker es una instancia de computación de machine learning (ML) totalmente administrada que se ejecuta en la aplicación de cuaderno de Jupyter. Una de las mejores maneras en las que los profesionales del machine learning pueden utilizar Amazon SageMaker AI es para entrenar e implementar modelos de machine learning mediante instancias de cuadernos de SageMaker. Las instancias de cuadernos de SageMaker ayudan a crear el entorno, ya que inician los servidores Jupyter en Amazon Elastic Compute Cloud (Amazon EC2) y proporcionan kernels preconfigurados con los siguientes paquetes: el Amazon SageMaker Python SDK, AWS SDK para Python (Boto3), la AWS Command Line Interface, (AWS CLI), Conda, Pandas, bibliotecas de marcos de aprendizaje profundo y otras bibliotecas para ciencia de datos y machine learning.

Utilice los cuadernos de Jupyter en su instancia de cuaderno para:

Para obtener información sobre los precios de la instancia de cuaderno de Amazon SageMaker, consulte los precios de Amazon SageMaker.

Mantenimiento

SageMaker AI actualiza el software subyacente para las instancias de cuaderno de Amazon SageMaker al menos una vez cada 90 días. Algunas actualizaciones de mantenimiento, como las actualizaciones del sistema operativo, pueden requerir que la aplicación se desconecte durante un breve período de tiempo. No es posible realizar ninguna operación durante este período mientras se actualiza el software subyacente. Le recomendamos que reinicie sus cuadernos al menos una vez cada 30 días para que los parches se apliquen automáticamente.

Para obtener más información, póngase en contacto con AWS Support.

Machine Learning con el SageMaker Python SDK

Para entrenar, validar, implementar y evaluar un modelo de machine learning en una instancia de cuaderno de SageMaker, utilice el SageMaker Python SDK. El SageMaker Python SDK resume las operaciones de la AWS SDK para Python (Boto3) y la API de SageMaker. Le permite integrarse con otros servicios de AWS y orquestarlos, por ejemplo Amazon Simple Storage Service (Amazon S3) para guardar datos y artefactos de modelos, Amazon Elastic Container Registry (ECR) para importar y reparar los modelos de machine learning y Amazon Elastic Compute Cloud (Amazon EC2) para el entrenamiento y la inferencia.

También puede aprovechar las características de SageMaker AI que le ayudan a abordar todas las etapas de un ciclo completo de machine learning: etiquetado de datos, preprocesamiento de datos, entrenamiento del modelo, implementación de modelos, evaluación del rendimiento de las predicciones y supervisión de la calidad del modelo en producción.

Si es la primera vez que utiliza SageMaker AI, le recomendamos que utilice el SDK de Python de SageMaker y que consulte todo el tutorial de machine learning. Para encontrar la documentación de código abierto, consulte el Amazon SageMaker Python SDK.