Environnements de machine learning proposés par Amazon SageMaker AI

Amazon SageMaker Studio (recommandé) : l’expérience Web la plus récente pour exécuter des flux de travail ML avec une suite d’environnements IDE. Studio prend en charge les applications suivantes :

Amazon SageMaker Studio Classic : vous permet de générer, entraîner, déboguer, déployer et surveiller vos modèles de machine learning.

Instances de bloc-notes Amazon SageMaker : elles vous permettent de préparer et de traiter des données, ainsi que d’entraîner et de déployer des modèles de machine learning à partir d’une instance de calcul exécutant l’application de bloc-notes Jupyter.

Amazon SageMaker Studio Lab : Studio Lab est un service gratuit qui vous donne accès à des ressources de calcul AWS, dans un environnement basé sur JupyterLab open source, sans nécessiter de compte AWS.

Amazon SageMaker Canvas : vous permet d’utiliser le maching learning pour générer des prédictions sans avoir besoin de coder.

Amazon SageMaker geospatial : vous permet de créer, d’entraîner et de déployer des modèles géospatiaux.

RStudio sur Amazon SageMaker AI : RStudio est un environnement IDE pour R, avec une console, un éditeur de coloration syntaxique qui prend en charge l’exécution directe de code, et des outils de traçage, d’historique, de débogage et de gestion de l’espace de travail.

SageMaker HyperPod : SageMaker HyperPod vous permet de configurer des clusters résilients pour exécuter des charges de travail de machine learning (ML) et développer des modèles de pointe tels que de grands modèles de langage (LLM), des modèles de diffusion et des modèles de fondation (FM).