Amazon SageMaker Studio est une interface Web unique dotée d’outils complets d’apprentissage automatique (ML) et d’un choix d’environnements de développement intégrés (IDE) entièrement gérés pour effectuer chaque étape du développement ML, de la préparation des données à la création, la formation, le déploiement et la gestion. Modèles ML. Amazon EFS est un système de fichiers élastique simple, sans serveur, paramétrable et oublié, qui facilite la configuration, la mise à l’échelle et l’optimisation des coûts du stockage de fichiers dans le cloud AWS. Aujourd’hui, nous sommes ravis d’annoncer une nouvelle fonctionnalité qui vous permet d’apporter votre propre volume EFS pour accéder à vos grands ensembles de données ML ou à votre code partagé à partir d’IDE tels que JupyterLab et Code Editor dans SageMaker Studio.
Vous pouvez désormais mettre des volumes EFS préexistants à la disposition de plusieurs utilisateurs dans SageMaker au sein de leurs IDE pour leur permettre d’accéder à des ensembles de données communs sur un système de fichiers sans nécessiter de déplacement de données, économisant ainsi du temps, des efforts et des coûts.
Grâce à cela, vous pouvez également partager des blocs-notes, du code et des données avec vos collègues pour augmenter la productivité et collaborer plus rapidement sur vos flux de travail ML. De plus, vous pouvez accéder au même volume EFS à différentes étapes du flux de travail ML, telles que la création de modèles et la formation, ce qui vous permet d’itérer et d’expérimenter rapidement.
Cette fonctionnalité est disponible dans toutes les régions Amazon Web Services (AWS) où Amazon SageMaker Studio est actuellement disponible, à l’exception de la Chine et des régions AWS GovCloud (États-Unis). Pour en savoir plus, veuillez vous référer à la documentation de SageMaker Studio.
Vous pouvez lire l’article original (en Angais) sur le blogaws.amazon.com