什麼是 SageMaker 筆記本？
幾秒鐘內從 Amazon SageMaker Studio 啟動全受管 JupyterLab。針對筆記本、程式碼和資料使用整合式開發環境 (IDE)。您可以在 IDE 中使用快速入門、協調筆記本，存取 SageMaker 和其他 AWS 服務中的專門建置 ML 工具，用於完整的 ML 開發，從使用 Amazon EMR 上的 Spark 準備 PB 級資料，到訓練和偵錯模型、部署和監控模型和管理管道，全部都在一個以 Web 為基礎的視覺化界面。在不中斷工作的情況下，輕鬆地擴展或縮減運算資源。
SageMaker 筆記本的優勢
大規模建置 ML
快速入門
幾秒鐘內在 Studio 中啟動全受管 JupyterLab。SageMaker Studio 預先設定了預先建置的 SageMaker 發行版，其中包含用於 ML 的熱門封裝，包括 PyTorch、TensorFlow 和 Keras 等深度學習架構；熱門 Python 套件，例如 NumPy、scikit-learn 和 panda，可協助您開始建置模型。
Elastic Compute
擴展或縮減基礎運算資源，並使用共享持久性儲存切換運算，所有這些動作都不會中斷您的工作。從 AWS 提供的最廣泛應用的運算資源選擇中進行選擇，包括最強大的機器學習 GPU 執行個體。
提升 ML 開發生產力
資料準備
透過統一的環境簡化資料工作流程。直接從 JupyterLab 建立、瀏覽和連線至 Amazon EMR 叢集和 AWS Glue 互動式工作階段。使用內建資料準備功能以將資料視覺化並改善資料品質。
筆記本任務
您可以使用 SageMaker 筆記本工作來建立非互動式工作，以隨需或按排程執行。使用直覺式使用者界面或 SageMaker Python SDK，直接從 JupyterLab 排程您的工作。選取筆記本後，SageMaker 筆記本會拍攝整個筆記本的快照，將其相依項封裝到容器中，建置基礎設施，按照從業者設定的排程將筆記本作為自動化任務執行，並在任務完成時取消佈建基礎設施。SageMaker 筆記本工作也可以做為 Amazon SageMaker Pipelines 中的原生步驟，讓您可以使用幾行程式碼將筆記本自動化成多步驟工作流程，並具有 CI/CD 部署的相依性。
採用 AI 技術工具
Amazon Q Developer 提供有關 SageMaker 功能的「操作方法」指南、程式碼產生說明以及 JupyterLab 環境中的疑難排解支援。只需用自然語言提出問題，例如「如何在 SageMaker 端點上部署模型以進行實時推論？」，Amazon Q Developer 就會提供逐步說明和程式碼，讓您開始使用。當您在執行程式碼遇到錯誤時，Amazon Q Developer 會隨時提供幫助。只需要求它修復錯誤，它就會提供偵錯和解決問題的詳細步驟。
靈活性和自訂
為團隊而建置
使用 AWS IAM Identity Center (AWS Single Sign-on 的後繼者) 設定您的團隊對 SageMaker Studio 筆記本的存取權限。為平台管理員和業務主管建立不同的環境，以監控 SageMaker Studio 的成本和用量。建立共享空間，您的團隊可以在其中一起即時閱讀、編輯和執行筆記本，以簡化協作和溝通。團隊成員可以一起檢閱結果，以立即了解模型的執行狀況，而無需來回傳遞資訊。藉由對 BitBucket 和 AWS CodeCommit 等服務的內建支援，團隊可以輕鬆管理不同的筆記本版本，對隨時間發生的變更進行比較。所有資源都會自動標記，從而可以更輕鬆地使用 AWS Budgets 和 AWS Cost Explorer 等工具監控成本和規劃預算。
可自訂
使用自訂 Docker 映像檔將您自己的筆記本開發環境帶入 SageMaker Studio。使用生命週期組態為您的團隊實現自動化和自訂筆記本環境。
獨立筆記本執行個體
在全受管 SageMaker 服務中使用您了解並信任的獨立 Jupyter 筆記本。不再有設定運算資源、升級資料科學和機器學習套件以及套用安全修補的麻煩。SageMaker 筆記本執行個體讓您可以完全專注於機器學習，同時確保您的運算環境安全並裝有最新的開放原始碼軟體。