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.
# Amazon SageMaker Studio (développement basé sur le Web)
Amazon SageMaker Studio est l'interface spécialement conçue pour les data scientists et les ingénieurs ML. Dans l'**onglet ** Tâches, vous pouvez gérer`RayCluster`, `RayJob``RayCronJob`, et les `RayService` ressources sans écrire de manifestes Kubernetes. Studio lit et écrit les mêmes ressources KubeRay personnalisées que celles que l'opérateur réconcilie. Ainsi, une ressource que vous créez dans Studio est identique à celle que vous utilisez pour faire une demande. `kubectl`
Studio convient aux équipes qui souhaitent que les data scientists soient productifs sur Ray sans aucune connaissance de Kubernetes. Les deux surfaces agissent sur les mêmes ressources et vous pouvez vous déplacer entre elles.
La capture d'écran suivante montre l'**onglet ** Tâches avec le ** menu ** Actions ouvert sur un cluster de rayons.
## Avant de commencer
Configurez un domaine d' SageMaker IA et accordez-lui l'accès à votre cluster une seule fois, avant que quiconque n'utilise l'**onglet ** Tâches. Pour de plus amples informations, veuillez consulter [Configuration de Studio pour Ray](sagemaker-hyperpod-ray-studio-setup.md).
**Topics**
+ [Avant de commencer](#sagemaker-hyperpod-ray-studio-before-you-begin)
+ [Configuration de Studio pour Ray](sagemaker-hyperpod-ray-studio-setup.md)