Amazon SageMaker Studio

Amazon SageMaker Studio 为机器学习开发提供了一系列完全托管的 IDE，包括 JupyterLab、基于代码操作系统的代码编辑器（Visual Studio 代码开源）和 RStudio。快速启动您的首选 IDE，并即时向上和向下扩展底层计算资源。

访问 ML 开发每个步骤的最全面的工具集，包括准备数据、构建、训练、部署和管理 ML 模型。在每个步骤之间快速切换，以微调模型、重播训练实验，并直接从 JupyterLab、代码编辑器或 RStudio on SageMaker AI 扩展到分布式训练。使用 Amazon Q 开发者版更快地进行构建，这是一款集成到您工作流程中的生成式人工智能驱动型助手。在整个机器学习开发之旅中，Amazon Q 开发者版都可实时为您提供帮助，所有操作都在您的笔记本环境中实现。

通过 Amazon SageMaker JumpStart 访问数百种常用公开发布的模型和超过 15 种预先构建的解决方案，构建生成式人工智能应用程序。您可以访问来自顶级模型提供商的模型，例如 AI21 Labs、LightOn、Stability AI、Hugging Face、Alexa 和 Meta AI。然后，根据精度、稳健性和毒性等预定义指标，快速评估、比较和选择适合您的使用案例的最佳基础模型（FM）。人工评估可以用于更主观的维度，例如创造力和风格。

您可以使用 Web 浏览器从任何设备使用 SageMaker Studio。代码和数据都保存在安全的云环境中，无需将敏感的 ML 构件下载到本地计算机。

使用 AWS 合作伙伴提供的常用应用程序加速您的模型开发。使用无缝且完全托管的体验，无需预置或运行基础设施，所有操作均在您的 SageMaker 环境的安全和隐私范围内进行。

访问各种公开的 FM、模型评测工具、以高性能加速型计算为后盾的 IDE，并能够直接从 SageMaker Studio 大规模微调和部署 FM，从而更快地构建生成式人工智能应用程序。

在 SageMaker Studio 中统一端到端 ML 开发，将最全面的 ML 工具集于一身。SageMaker AI 提供高性能 MLOps 工具，可帮助您自动化和标准化机器学习工作流程和治理工具，进而支持整个组织的透明度和可审计性。

SageMaker Studio 为执行所有数据分析和 ML 工作流提供了统一的体验。创建、浏览和连接到 Amazon EMR 集群。使用 AWS Glue 交互式会话构建、测试和运行交互式数据准备和分析应用程序。使用熟悉的工具（例如 Spark UI）监控和调试 Spark 作业——所有作业都直接在 SageMaker Studio 中完成。