[ad_1]
Hoy nos complace anunciar la simplificación. Configuración rápida Experiencia con Amazon SageMaker. Esta nueva característica permite a los usuarios individuales iniciar Amazon SageMaker Studio en minutos con ajustes preestablecidos predeterminados.
SageMaker Studio es un entorno de desarrollo integrado (IDE) para aprendizaje automático (ML). Los profesionales de ML pueden completar todos los pasos de desarrollo de ML, desde preparar sus datos hasta crear, entrenar e implementar modelos de ML, a través de una única interfaz visual integrada. También obtiene acceso a una gran colección de modelos y soluciones prediseñadas que puede implementar con solo unos pocos clics.
Para utilizar SageMaker Studio u otras aplicaciones personales como Amazon SageMaker Canvas, o para colaborar en espacios compartidos, los clientes de AWS primero deben configurar un dominio de SageMaker. Un dominio de SageMaker consta de un volumen asociado de Amazon Elastic File System (Amazon EFS), una lista de usuarios autorizados y una variedad de configuraciones de seguridad, aplicaciones, políticas y Amazon Virtual Private Cloud (Amazon VPC). Cuando un usuario se une a un dominio de SageMaker, se le asigna un perfil de usuario que puede utilizar para iniciar sus aplicaciones. La autenticación del usuario se puede realizar a través de AWS IAM Identity Center (sucesor de AWS Single Sign-On) o AWS Identity and Access Management (IAM).
Configurar un dominio de SageMaker y los perfiles de usuario asociados requiere comprender los conceptos de roles, dominios, autenticación y VPC de IAM, y seguir una serie de pasos de configuración. Para completar estos pasos de configuración, los científicos y desarrolladores de datos suelen trabajar con sus equipos de administración de TI para implementar SageMaker Studio y configurar las barreras de seguridad adecuadas.
Los clientes nos dijeron que el proceso de incorporación a veces puede llevar mucho tiempo y retrasa que los científicos de datos y los equipos de aprendizaje automático comiencen con SageMaker Studio. ¡Escuchamos y simplificamos la experiencia de incorporación!
Presentamos la configuración simplificada de Quick Studio
La nueva experiencia de configuración Quick Studio para SageMaker proporciona una nueva experiencia de incorporación y administración que facilita a los usuarios individuales la configuración y administración de SageMaker Studio. Los científicos de datos y los administradores de ML pueden configurar SageMaker Studio en minutos con un solo clic. SageMaker se encarga de aprovisionar el dominio de SageMaker con ajustes preestablecidos estándar que incluyen la configuración de roles de IAM, la autenticación de IAM y el modo de Internet público. Los administradores de ML pueden cambiar la configuración de SageMaker Studio para el dominio creado en cualquier momento y personalizar aún más la interfaz de usuario. Echemos un vistazo a cómo funciona.
requisitos
Para utilizar la configuración de Quick Studio necesitará lo siguiente:
- Una cuenta de AWS
- Un rol de IAM con permisos para crear los recursos necesarios para configurar un dominio de SageMaker
Utilice la opción de configuración Quick Studio
Analicemos un escenario en el que un nuevo usuario desea acceder a SageMaker Studio. La experiencia del usuario incluye los siguientes pasos:
- En su cuenta de AWS, navegue hasta la consola de SageMaker y seleccione Configurar para usuarios individuales.
SageMaker comienza a preparar el dominio de SageMaker. Este proceso suele tardar unos minutos. El nombre del nuevo dominio tiene el prefijo QuickSetupDomain-
.
Una vez que el dominio de SageMaker esté listo, aparecerá una notificación en la pantalla que dice «El dominio de SageMaker está listo» y el perfil de usuario bajo el dominio también se creará exitosamente.
- Elegir comenzar junto al perfil de usuario creado y seleccione Estudio.
Dado que esta es la primera vez que se inicia SageMaker Studio para este perfil de usuario, SageMaker crea una nueva aplicación JupyterServer, lo que demora unos minutos.
Unos minutos más tarde, se cargará el IDE de Studio y se le presentará la página de inicio de SageMaker Studio.
Componentes de la configuración de Quick Studio
Al utilizar la configuración de Quick Studio, SageMaker crea los siguientes recursos:
- Un nuevo rol de IAM con permisos adecuados para utilizar SageMaker Studio, Amazon Simple Storage Service (Amazon S3) y SageMaker Canvas. Puede cambiar los permisos de la función de IAM creada en cualquier momento según su caso de uso o los requisitos específicos de su persona.
- Otro rol de IAM con el prefijo
AmazonSagemakerCanvasForecastRole-
que habilita permisos para la función de pronóstico de series temporales de SageMaker Canvas. - Un dominio de SageMaker Studio y un perfil de usuario para el dominio con nombres únicos. IAM se utiliza como modo de autenticación. La función de IAM creada se utiliza como función de ejecución predeterminada de SageMaker para el dominio y el perfil de usuario. Puede iniciar cualquiera de las aplicaciones personales disponibles, como: B. SageMaker Studio y SageMaker Canvas, que están habilitados de forma predeterminada.
- Un volumen EFS que sirve como sistema de archivos para SageMaker Studio. Además de Amazon EFS, un nuevo depósito S3 con prefijo
sagemaker-studio-
se crea para compartir cuadernos.
SageMaker Studio también utiliza la VPC predeterminada y las subredes asociadas. Si no hay una VPC predeterminada o la VPC predeterminada no tiene subredes, se selecciona una de las VPC existentes que tiene subredes asociadas. Si no existe una VPC, se solicita al usuario que cree una en la consola de Amazon VPC. La VPC con todas las subredes debajo se utiliza para configurar Amazon EFS.
Diploma
Ahora todo lo que necesitas es un solo clic para comenzar con SageMaker Studio. La configuración para un solo usuario de Quick Studio está disponible en todas las regiones comerciales de AWS donde SageMaker está disponible actualmente.
Pruebe esta nueva función en la consola SageMaker y díganos lo que piensa. ¡Siempre estaremos felices de recibir sus comentarios! Puede enviarlo a través de sus contactos habituales de soporte de AWS o publicarlo en el Foro de AWS para SageMaker.
Sobre los autores
Vikesh Pandey es arquitecto de soluciones de aprendizaje automático en AWS y ayuda a clientes financieros a diseñar y crear soluciones generativas de inteligencia artificial y aprendizaje automático. Fuera del trabajo, a Vikesh le gusta probar diferentes platos y hacer ejercicio al aire libre.
Anastasia Tzeveleka es arquitecto de soluciones en AWS y se especializa en aprendizaje automático e inteligencia artificial. Trabaja con clientes en la región EMEA, ayudándolos a desarrollar soluciones de aprendizaje automático a escala utilizando los servicios de AWS. Ha trabajado en proyectos en diversas áreas, incluido el procesamiento del lenguaje natural (NLP), MLOps y herramientas de código bajo/sin código.
[ad_2]