Annonce de la prise en charge de l’API pour la création de tâches Amazon SageMaker Notebook

Les tâches de notebook Amazon SageMaker permettent aux data scientists d’exécuter leurs notebooks à la demande ou selon un planning en quelques clics sur Amazon SageMaker Studio, un IDE Web pour l’apprentissage automatique (ML). Aujourd’hui, nous sommes ravis d’annoncer que vous pouvez exécuter par programme des notebooks en tant que tâches à l’aide des API fournies par SageMaker Pipelines, le service d’orchestration de flux de travail ML de SageMaker. De plus, vous pouvez créer un workflow ML en plusieurs étapes avec plusieurs notebooks dépendants à l’aide de ces API.

Les data scientists peuvent utiliser les tâches SageMaker Notebooks pour des cas d’utilisation tels que l’exécution de notebooks de longue durée, la génération de rapports récurrents et pour passer de la préparation de petits ensembles de données d’échantillons à l’utilisation de Big Data à l’échelle du pétaoctet. Lors de la migration de ces notebooks vers la production, les clients ont besoin d’une prise en charge API pour exécuter des notebooks par programmation dans le cadre des workflows CI/CD. Ce lancement introduit la tâche de bloc-notes en tant que type d’étape intégré lors de la création de pipelines à l’aide d’Amazon SageMaker Pipelines. Les clients peuvent tirer parti de cette étape de tâche de bloc-notes pour exécuter facilement des blocs-notes en tant que tâches avec seulement quelques lignes de code à l’aide de Kit SDK Python Amazon SageMaker. De plus, les clients peuvent également assembler plusieurs blocs-notes dépendants pour créer un flux de travail sous la forme de graphiques acycliques dirigés (DAG). Les clients peuvent ensuite exécuter ces tâches de notebooks ou DAG, gérer et visualiser à l’aide d’Amazon SageMaker Studio.