Сегодня мы рады объявить об упрощенном Быстрая установка опыт работы с Amazon SageMaker. Благодаря этой новой возможности отдельные пользователи могут запустить Amazon SageMaker Studio с настройками по умолчанию за считанные минуты.
SageMaker Studio — это интегрированная среда разработки (IDE) для машинного обучения (ML). Специалисты по машинному обучению могут выполнять все этапы разработки машинного обучения — от подготовки данных до построения, обучения и развертывания моделей машинного обучения — в рамках единого интегрированного визуального интерфейса. Вы также получаете доступ к большой коллекции моделей и готовых решений, которые можно развернуть несколькими щелчками мыши.
Чтобы использовать SageMaker Studio или другие персональные приложения, такие как Amazon SageMaker Canvas, или сотрудничать в общих пространствах, клиентам AWS необходимо сначала настроить домен SageMaker. Домен SageMaker состоит из связанного тома Amazon Elastic File System (Amazon EFS), списка авторизованных пользователей и различных конфигураций безопасности, приложений, политик и виртуального частного облака Amazon (Amazon VPC). Когда пользователь подключается к домену SageMaker, ему назначается профиль пользователя, который он может использовать для запуска своих приложений. Аутентификация пользователя может осуществляться через AWS IAM Identity Center (преемник AWS Single Sign-On) или AWS Identity and Access Management (IAM).
Настройка домена SageMaker и связанных с ним профилей пользователей требует понимания концепций ролей IAM, доменов, аутентификации и VPC, а также выполнения ряда шагов настройки. Для выполнения этих шагов по настройке специалисты по данным и разработчики обычно работают со своими командами ИТ-администраторов, которые предоставляют SageMaker Studio и настраивают правильные защитные ограждения.
Клиенты рассказали нам, что процесс адаптации иногда может занять много времени, что задерживает специалистов по данным и команды ML, которые не могут приступить к работе с SageMaker Studio. Мы прислушались и упростили процесс регистрации!
Представляем упрощенную настройку Quick Studio
Новый интерфейс установки Quick Studio для SageMaker предоставляет новые возможности адаптации и администрирования, которые упрощают настройку и управление SageMaker Studio отдельными пользователями. Специалисты по данным и администраторы машинного обучения могут настроить SageMaker Studio за считанные минуты одним щелчком мыши. SageMaker обеспечивает предоставление домену SageMaker настроек по умолчанию, включая настройку роли IAM, аутентификацию IAM и режим общедоступного Интернета. Администраторы ML могут в любое время изменить настройки SageMaker Studio для созданного домена и дополнительно настроить пользовательский интерфейс. Давайте посмотрим, как это работает.
Предварительные условия
Чтобы использовать настройку Quick Studio, вам потребуется следующее:
- Аккаунт AWS
- Роль IAM с разрешениями на создание ресурсов, необходимых для настройки домена SageMaker.
Используйте опцию быстрой настройки Studio
Давайте обсудим сценарий, когда новый пользователь хочет получить доступ к SageMaker Studio. Пользовательский опыт включает в себя следующие этапы:
- В своей учетной записи AWS перейдите в консоль SageMaker и выберите Настройка для одного пользователя.
SageMaker начинает подготовку домена SageMaker. Обычно этот процесс занимает несколько минут. Имя нового домена начинается с префикса QuickSetupDomain-.
Как только домен SageMaker будет готов, на экране появится уведомление о том, что «Домен SageMaker готов», и профиль пользователя в домене также будет успешно создан.
- Выбирать Запуск рядом с созданным профилем пользователя и выберите Студия.
Поскольку SageMaker Studio запускается для этого профиля пользователя впервые, SageMaker создает новое приложение JupyterServer, что занимает несколько минут.
Через несколько минут Studio IDE загрузится, и вы увидите домашнюю страницу SageMaker Studio.
Компоненты установки Quick Studio
При использовании установки Quick Studio SageMaker создает следующие ресурсы:
- Новая роль IAM с соответствующими разрешениями для использования SageMaker Studio, Amazon Simple Storage Service (Amazon S3) и SageMaker Canvas. Вы можете изменить разрешения созданной роли IAM в любое время в зависимости от вашего варианта использования или требований, специфичных для пользователя.
- Другая роль IAM с префиксом
AmazonSagemakerCanvasForecastRole-который включает разрешения для функции прогнозирования временных рядов SageMaker Canvas.
- Домен SageMaker Studio и профиль пользователя для домена с уникальными именами. IAM используется в качестве режима аутентификации. Созданная роль IAM используется в качестве роли выполнения SageMaker по умолчанию для домена и профиля пользователя. Вы можете запустить любое доступное личное приложение, например SageMaker Studio и SageMaker Canvas, которые включены по умолчанию.
- Том EFS, который служит файловой системой для SageMaker Studio. Помимо Amazon EFS, новая корзина S3 с префиксом
sagemaker-studio-создан для совместного использования записной книжки.
SageMaker Studio также использует VPC по умолчанию и связанные с ним подсети. Если VPC по умолчанию отсутствует или VPC по умолчанию не имеет подсетей, тогда выбирается один из существующих VPC, у которого есть связанные подсети. Если VPC нет, пользователю будет предложено создать его на консоли Amazon VPC. VPC со всеми подсетями в нем используется для настройки Amazon EFS.
Заключение
Теперь для начала работы с SageMaker Studio достаточно одного щелчка мыши. Настройка Quick Studio для отдельных пользователей доступна во всех коммерческих регионах AWS, где в настоящее время доступен SageMaker.
Попробуйте эту новую функцию на консоли SageMaker и сообщите нам свое мнение. Мы всегда с нетерпением ждем ваших отзывов! Вы можете отправить его через свои обычные контакты службы поддержки AWS или опубликовать на форуме AWS для SageMaker.
Об авторах
Викеш Пандей — специалист по архитектуре решений в области машинного обучения в AWS, помогающий клиентам из финансовой отрасли разрабатывать и создавать решения на основе генеративного искусственного интеллекта и машинного обучения. Помимо работы Викеш любит пробовать разные кухни и заниматься спортом на свежем воздухе.
Анастасия Цевелека — специалист по архитектуре решений в области машинного обучения и искусственного интеллекта в AWS. Она работает с клиентами в регионе EMEA и помогает им разрабатывать масштабные решения машинного обучения с использованием сервисов AWS. Она работала над проектами в различных областях, включая обработку естественного языка (NLP), MLOps и инструменты с низким кодированием/без кода.