Les traductions sont fournies par des outils de traduction automatique. En cas de conflit entre le contenu d'une traduction et celui de la version originale en anglais, la version anglaise prévaudra.
Environnements d'apprentissage automatique proposés par Amazon SageMaker AI
Important
Amazon SageMaker Studio et Amazon SageMaker Studio Classic sont deux des environnements d'apprentissage automatique que vous pouvez utiliser pour interagir avec l' SageMaker IA.
Si votre domaine a été créé après le 30 novembre 2023, Studio est votre expérience par défaut.
Si votre domaine a été créé avant le 30 novembre 2023, Amazon SageMaker Studio Classic est votre expérience par défaut. Pour utiliser Studio si Amazon SageMaker Studio Classic est votre expérience par défaut, consultezMigration depuis Amazon SageMaker Studio Classic.
Lorsque vous migrez d'Amazon SageMaker Studio Classic vers Amazon SageMaker Studio, il n'y a aucune perte de disponibilité des fonctionnalités. Studio Classic existe également en tant qu'IDE au sein d'Amazon SageMaker Studio pour vous aider à exécuter vos anciens flux de travail d'apprentissage automatique.
SageMaker L'IA prend en charge les environnements d'apprentissage automatique suivants :
-
Amazon SageMaker Studio (recommandé) : la toute dernière expérience Web permettant d'exécuter des flux de travail de machine learning avec une suite d'IDE. Studio prend en charge les applications suivantes :
-
Amazon SageMaker Studio Classique
-
Éditeur de code, basé sur Code-OSS Visual Studio Code - Open Source
-
JupyterLab
-
SageMaker Toile Amazon
-
RStudio
-
-
Amazon SageMaker Studio Classic : vous permet de créer, de former, de déboguer, de déployer et de surveiller vos modèles d'apprentissage automatique.
-
Instances Amazon SageMaker Notebook : vous permettent de préparer et de traiter des données, ainsi que d'entraîner et de déployer des modèles d'apprentissage automatique à partir d'une instance de calcul exécutant l'application Jupyter Notebook.
-
Amazon SageMaker Studio Lab : Studio Lab est un service gratuit qui vous permet d'accéder à des ressources de AWS calcul, dans un environnement open source JupyterLab, sans avoir besoin de AWS compte.
-
Amazon SageMaker Canvas : vous permet d'utiliser l'apprentissage automatique pour générer des prédictions sans avoir à coder.
-
Amazon SageMaker Geospatial : vous permet de créer, d'entraîner et de déployer des modèles géospatiaux.
-
RStudio sur Amazon SageMaker AI : RStudio est un IDE pour R
, doté d'une console, d'un éditeur de surlignage syntaxique prenant en charge l'exécution directe de code et d'outils de traçage, d'historique, de débogage et de gestion de l'espace de travail. -
SageMaker HyperPod: vous SageMaker HyperPod permet de mettre en place des clusters résilients pour exécuter des charges de travail d'apprentissage automatique (ML) et développer des modèles de pointe tels que des modèles de langage volumineux (LLM), des modèles de diffusion et des modèles de base (FM).
Pour utiliser ces environnements d'apprentissage automatique, vous ou l'administrateur de votre organisation devez créer un domaine Amazon SageMaker AI. Les exceptions sont Studio Lab, SageMaker Notebook Instances et SageMaker HyperPod.
Au lieu de provisionner manuellement les ressources et de gérer les autorisations pour vous et vos utilisateurs, vous pouvez créer un DataZone domaine Amazon. Le processus de création d'un DataZone domaine Amazon crée un domaine Amazon SageMaker AI correspondant avec AWS Glue ou des bases de données Amazon Redshift pour vos flux de travail ETL. La configuration d'un domaine via Amazon DataZone réduit le temps nécessaire à la configuration d'environnements d' SageMaker IA pour vos utilisateurs. Pour plus d'informations sur la configuration d'un domaine Amazon SageMaker AI au sein d'Amazon DataZone, consultezConfiguration SageMaker des actifs (guide de l'administrateur).
Les utilisateurs du DataZone domaine Amazon sont autorisés à accéder à toutes les actions Amazon SageMaker AI, mais leurs autorisations sont limitées aux ressources du DataZone domaine Amazon.
La création d'un DataZone domaine Amazon rationalise la création d'un domaine qui permet à vos utilisateurs de partager des données et des modèles entre eux. Pour en savoir plus sur la manière dont ils peuvent partager des données et des modèles, consultez Accès contrôlé aux actifs avec Amazon SageMaker Assets.
