Amazon SageMaker Studio Lab
Aprenda e experimente o ML usando um ambiente de desenvolvimento gratuito e sem configuração
Ambiente de desenvolvimento livre de machine learning que fornece a computação, o armazenamento e a segurança para aprender e testar com o ML
Comece a usar com um endereço de e-mail válido. Você não precisa configurar a infraestrutura ou gerenciar a identidade e o acesso ou até mesmo se cadastrar em uma conta da AWS
Integração GitHub e pré-configurado com as mais populares ferramentas, estruturas e bibliotecas de ML para que você possa começar imediatamente
O Amazon SageMaker Studio Lab é um ambiente de desenvolvimento de machine learning (ML) gratuito que fornece computação, armazenamento (até 15 GB) e segurança, tudo sem custo, para qualquer pessoa aprender e experimentar ML. Tudo o que você precisa para começar é um endereço de e-mail válido. Você não precisa configurar a infraestrutura ou gerenciar a identidade e o acesso ou até mesmo se cadastrar para uma conta da AWS. O SageMaker Studio Lab acelera a criação de modelos por meio da integração do GitHub e vem pré-configurado com as ferramentas, frameworks e bibliotecas de ML mais populares para você começar imediatamente. O SageMaker Studio Lab salva automaticamente seu trabalho para que você não precise reiniciá-lo entre as sessões. É tão fácil quanto fechar seu laptop e voltar mais tarde.
Como funciona
![Como o Amazon SageMaker Studio Lab funciona Como o Amazon SageMaker Studio Lab funciona](https://d1.awsstatic.com/sagemaker/2022whiteupdate/studio-lab/Product-Page-Diagram_SageMaker-Studio-Lab.f7c7ffcdd07be30c07c2852f346eea22b4db437f.png)
Principais recursos
Sem precisar de conta da AWS
Para começar a usar o SageMaker Studio Lab, use o seu endereço de e-mail para registrar uma conta no studiolab.sagemaker.aws. A sua conta do SageMaker Studio Lab é separada da conta da AWS e não precisa de cartão de crédito.
Escolher potência computacional
O SageMaker Studio Lab oferece sessões de CPU ou GPU para o seu projeto. Você pode escolher executar blocos de anotações com uma sessão de CPU de 12 horas para algoritmos complexos ou uma sessão de 4 horas para arquiteturas de aprendizado profundo (DL) como redes neurais convolucionais (CNN) e redes neurais recorrentes (RNN). Não há limites para o número de sessões de computação que podem ser executadas, após terminar uma sessão, outra pode ser iniciada.
Armazenamento persistente
O SageMaker Studio Lab oferece sessões persistentes com 15 GB de armazenamento gratuito de longo prazo para que você possa salvar o seu trabalho e retomar de onde parou. Quando a sessão é encerrada, o trabalho é salvo automaticamente em armazenamento dedicado.
![Armazenamento persistente Armazenamento persistente](https://d1.awsstatic.com/SageMaker/seychelles/Seychelles_Persistent%20Storage_x2.d79bef608533fa1fea5ce6787f127e61fead2cc4.png)
Frameworks de ML pré-empacotados
Escolha o melhor gerenciador de pacotes Python para o seu projeto, como Pip, Conda ou Mamba. Por padrão, o SageMaker Studio Lab é compatível com as linhas de comando do Terminal e do Git e tem integração com o GitHub para colaboração. A configuração é rápida e fácil, sem configuração necessária para executar o bloco de anotações Jupyter.