Istanze del notebook Amazon SageMaker

Un’istanza del notebook Amazon SageMaker è un’istanza di calcolo di machine learning (ML) che esegue l’applicazione del notebook Jupyter. Uno dei modi migliori per i professionisti di machine learning (ML) per utilizzare Amazon SageMaker AI è quello di addestrare e implementare i modelli di ML utilizzando le istanze del notebook SageMaker. Le istanze del notebook SageMaker aiutano a creare l'ambiente avviando i server Jupyter su Amazon Elastic Compute Cloud (Amazon EC2) e fornendo kernel preconfigurati con i seguenti pacchetti: Amazon SageMaker Python SDK, AWS SDK per Python (Boto3), AWS Command Line Interface (AWS CLI), Conda, Pandas, librerie di framework di deep learning e altre librerie per data science e machine learning.

Utilizza i notebook Jupyter nell’istanza del notebook per:

Per informazioni sui prezzi con l'istanza del notebook Amazon SageMaker, consulta Prezzi di Amazon SageMaker.

Manutenzione

SageMaker AI aggiorna il software sottostante per le istanze del notebook Amazon SageMaker almeno una volta ogni 90 giorni. Alcuni aggiornamenti di manutenzione, come gli aggiornamenti del sistema operativo, possono richiedere che l'applicazione venga messa offline per un breve periodo di tempo. Non è possibile eseguire alcuna operazione durante questo periodo mentre il software sottostante è in fase di aggiornamento. Si consiglia di riavviare i notebook almeno una volta ogni 30 giorni per utilizzare automaticamente le patch.

Per ulteriori informazioni, contatta il Supporto AWS.

Machine learning con SDK Python SageMaker

Per addestrare, convalidare, distribuire e valutare un modello ML in un'istanza del notebook SageMaker, utilizza SDK Python SageMaker. SDK Python SageMaker astrae le operazioni API di AWS SDK per Python (Boto3) e di SageMaker. Consente di integrarsi e orchestrare altri servizi AWS, ad esempio, Amazon Simple Storage Service (Amazon S3) per il salvataggio di dati e artefatti del modello, Amazon Elastic Container Registry (ECR) per l'importazione e la manutenzione di modelli ML, Amazon Elastic Compute Cloud (Amazon EC2) per l'addestramento e l'inferenza.

Puoi anche sfruttare le funzionalità di SageMaker che ti aiutano a gestire ogni fase di un ciclo di ML completo: etichettatura dei dati, pre-elaborazione dei dati, addestramento dei modelli, implementazione dei modelli, valutazione delle prestazioni di previsione e monitoraggio della qualità del modello in produzione.

Se utilizzi SageMaker AI per la prima volta, ti consigliamo di utilizzare SageMaker Python SDK, seguendo il tutorial completo sul ML. Per trovare la documentazione open source, consulta Amazon SageMaker Python SDK.