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. Aujourd’hui, nous sommes ravis d’annoncer une nouvelle offre JupyterLab entièrement gérée, plus rapide et plus rapide, le dernier IDE basé sur le Web pour les notebooks, le code et les données.
Vous pouvez désormais lancer JupyterLab entièrement géré en quelques secondes avec SageMaker Distribution préconfiguré, une image Docker pré-construite avec des bibliothèques ML populaires mutuellement compatibles, y compris des frameworks d’apprentissage en profondeur tels que PyTorch, TensorFlow et Keras ; packages python populaires tels que numpy, scikit-learn et pandas. Vous avez désormais accès à la dernière version complète de JupyterLab 4 et à des compagnons de codage génératifs basés sur l’IA, tels qu’Amazon Code Whisperer, pour créer, déboguer, expliquer et tester rapidement du code. Vous pouvez augmenter ou réduire vos ressources de calcul avec la plus large sélection de calculs et conserver facilement vos packages au fil des modifications d’instance en créant rapidement des environnements conda personnalisés. De plus, vous pouvez également apporter vos images personnalisées pour alimenter votre environnement avec les bibliothèques JupyterLab et ML personnalisées.
JupyterLab sur Amazon SageMaker Studio 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 l’article de blog et à la documentation JupyterLab.
Vous pouvez lire l’article original (en Angais) sur le siteaws.amazon.com