Amazon SageMaker Studio Lab
Apprenez et expérimentez le ML à l'aide d'un environnement de développement gratuit et sans configuration
Environnement gratuit de développement du machine learning qui fournit le calcul, le stockage et la sécurité nécessaires pour apprendre et expérimenter le ML.
Démarrez avec une adresse e-mail valide. Nul besoin donc de configurer une infrastructure, de gérer des identités ni même d'accéder à un compte AWS ou d'en créer un.
Intégration GitHub et préconfiguration avec les outils, les frameworks et les bibliothèques de ML les plus populaires afin que vous puissiez commencer immédiatement.
Amazon SageMaker Studio Lab est un environnement de développement de machine learning (ML) gratuit qui fournit des fonctions de calcul, de stockage (jusqu'à 15 Go) et de sécurité sans frais supplémentaires pour l'apprentissage et l'expérimentation du machine learning. Pour commencer, il vous suffit d'une adresse e-mail valide. Nul besoin donc de configurer une infrastructure, de gérer des identités ni même d'accéder à un compte AWS ou d'en créer un. SageMaker Studio Lab accélère la création de modèles au moyen de l'intégration GitHub. Il est fourni avec les outils, cadres et bibliothèques ML les plus populaires pour vous permettre de démarrer immédiatement. SageMaker Studio Lab enregistre automatiquement votre travail pour vous éviter de recommencer à chaque session. Vous fermez votre ordinateur portable, vous reprenez votre session quand vous le souhaitez et vous voilà fin prêt !
Fonctionnement
Fonctionnalités principales
Aucun compte AWS n'est requis
Pour démarrer avec SageMaker Studio Lab, utilisez votre adresse e-mail pour créer un compte sur studiolab.sagemaker.aws. Votre compte SageMaker Studio Lab n’est pas un compte AWS et ne nécessite aucune carte de crédit.
Choisir la puissance de calcul
SageMaker Studio Lab propose des sessions CPU ou GPU pour votre projet. Vous pouvez choisir d'utiliser les ordinateurs portables avec une session CPU de 12 heures pour les algorithmes complexes, ou une session GPU de 4 heures pour les architectures de deep learning (DL) telles que les réseaux neuronaux convolutifs (CNN) et les réseaux neuronaux récurrents (RNN). Il n'y a pas de limite au nombre de sessions de calcul que vous pouvez exécuter. Après la fin d'une session, vous pouvez en démarrer une nouvelle.
Stockage permanent
SageMaker Studio Lab fournit des sessions persistantes avec 15 Go de stockage gratuit à long terme, de sorte que vous pouvez sauvegarder votre travail et reprendre là où vous vous êtes arrêté. Lorsqu'une session se termine, votre travail est automatiquement enregistré dans un espace de stockage dédié.
Frameworks ML prêts à l’emploi
Choisissez le meilleur gestionnaire de paquets Python pour votre projet, tel que Pip, Conda ou Mamba. Par défaut, SageMaker Studio Lab prend en charge les lignes de commande Terminal et Git ainsi que l'intégration de GitHub pour la collaboration. L'installation est rapide et facile, aucune configuration n'est nécessaire pour exécuter un Jupyter Notebook.
