Instances de bloc-notes Amazon SageMaker - Amazon SageMaker AI
MaintenanceMachine learning avec le kit SDK SageMaker Python

Instances de bloc-notes Amazon SageMaker

Une instance de bloc-notes Amazon SageMaker est une instance de calcul de machine learning (ML) exécutant l’application de bloc-notes Jupyter. L’une des meilleures façons pour les praticiens du machine learning (ML) d’utiliser Amazon SageMaker AI consiste à entraîner et à déployer des modèles ML à l’aide d’instances de bloc-notes SageMaker. Les instances de bloc-notes SageMaker aident à créer l’environnement en initiant des serveurs Jupyter sur Amazon Elastic Compute Cloud (Amazon EC2) et en fournissant des noyaux préconfigurés avec les packages suivants : le kit Amazon SageMaker Python SDK, AWS SDK pour Python (Boto3), AWS Command Line Interface (AWS CLI), Conda, Pandas, bibliothèques de cadres de deep learning et autres bibliothèques pour la science des données et le machine learning.

Utilisez les blocs-notes Jupyter dans votre instance de bloc-notes pour :

  • préparer et traiter les données ;

  • écrire du code pour entraîner des modèles ;

  • déployer des modèles sur le service d’hébergement SageMaker ;

  • tester et valider vos modèles.

Pour obtenir des informations sur la tarification d’une instance de bloc-notes Amazon SageMaker, consultez Tarification d’Amazon SageMaker.

Maintenance

SageMaker AI met à jour le logiciel sous-jacent pour les instances de bloc-notes Amazon SageMaker au moins une fois tous les 90 jours. Certaines mises à jour de maintenance, telles que les mises à niveau du système d’exploitation, peuvent nécessiter la mise hors connexion de votre application pendant une courte période. Au cours de cette période, il n'est pas possible d'effectuer des opérations pendant la mise à jour du logiciel sous-jacent. Nous vous recommandons de redémarrer vos blocs-notes au moins une fois tous les 30 jours pour utiliser automatiquement les correctifs.

Pour plus d’informations, contactez AWS Support.

Machine learning avec le kit SDK SageMaker Python

Pour entraîner, valider, déployer et évaluer un modèle de ML dans une instance de bloc-notes SageMaker, utilisez le kit SDK SageMaker Python. Le kit SDK SageMaker Python extrait les opérations d'API AWS SDK pour Python (Boto3) et SageMaker. Il vous permet d’intégrer et d’orchestrer d’autres services AWS, tels qu’Amazon Simple Storage Service (Amazon S3) pour l’enregistrement de données et d’artefacts de modèles, Amazon Elastic Container Registry (ECR) pour l’importation et l’entretien des modèles de ML, Amazon Elastic Compute Cloud (Amazon EC2) pour l’entraînement et l’inférence.

Vous pouvez également tirer parti des fonctionnalités de SageMaker AI qui vous aident à gérer chaque phase d’un cycle ML complet : étiquetage des données, prétraitement des données, entraînement des modèles, déploiement des modèles, évaluation des performances de prédiction et surveillance de la qualité du modèle en production.

Si c’est la première fois que vous utilisez SageMaker AI, nous vous recommandons d’utiliser le kit SageMaker Python SDK, en suivant le didacticiel ML de bout en bout. Pour trouver la documentation open source, consultez le kit Amazon SageMaker Python SDK.

Rubriques