Ipinaglunsad ng AWS ang pinasimpleng login para sa SageMaker Studio, na nag-aalok ng $100 free tier para sa mga bagong user

ME AI mensahe, ngayon, masaya naming ipahayag na ang mga bagong customer ng Amazon SageMaker AI ay maaaring makapasok sa isang fully configured na Amazon SageMaker Studio environment sa pamamagitan ng ilang simpleng hakbang pagkatapos mag-register sa AWS. Maaari mong gamitin ang iyong umiiral na paraan ng pag-login, tulad ng Amazon, Apple, GitHub, Google account, o email address. Karamihan sa mga customer ay hindi kailangang mag-set up ng advanced AWS account, mag-input ng impormasyon sa credit card, o manual na i-configure ang environment. Ang mga bagong customer ay makakatanggap din ng $100 na AWS Free Tier credits na maaaring gamitin para sa lahat ng mga tampok ng SageMaker AI, kabilang ang model customization, training jobs, Studio notebook, at endpoint deployment.
Ang artikulong ito ay nagpapatuloy sa aming nakaraang artikulo na “Isang Pag-click Papunta sa Amazon SageMaker Studio mula sa Hugging Face.” Ang artikulong iyon ay nagpapakita kung paano direktang pumasok sa workflow ng SageMaker Studio gamit ang deep link sa Hugging Face model page. Noong unang bahagi ng taon, inikli namin ang oras ng paggawa ng Studio environment mula sa 2 minuto hanggang sa halos 20 segundo, at na-configure namin nang paunang ang mga pribilehiyo sa pag-customize ng model sa bawat bagong Studio domain. Ang mga pagpapabuti na ito ay tinanggal ang karamihan sa mga hadlang para sa mga developer pagkatapos pumasok sa Studio, ngunit mayroon pa ring isang pangunahing hadlang bago pumasok sa Studio: ang paggawa ng AWS account. Dapat mag-verify ang mga bagong customer ng kanilang email address, punan ang kanilang impormasyon sa pag-uugnay, i-verify ang kanilang numero ng telepono, ibigay ang kanilang impormasyon sa pagbabayad, at pumili ng support plan bago sila makapagsimula sa pagbuo. Para sa mga indibidwal na developer at maliit na startup team na karaniwang nakakakonekta at nakakapagsimula ng pagbuo sa loob ng ilang minuto, ang prosesong ito ay patuloy na isang malaking hadlang.
Bagong tampok
Sa pagpapalabas na ito, ang SageMaker Studio ay nai-integrate sa updated na AWS login at registration experience. Ang experience na ito ay nagtatampok ng mga bagong opsyon para sa paglikha at pagpapamahala ng AWS account, at pinapadali ang proseso ng pagtatrabaho sa grupo. Ang mga bagong customer ay maaaring gumamit ng kanilang umiiral na identity account upang lumikha ng account at agad na magsimula sa pag-develop sa SageMaker Studio.
Bagong karanasan sa pag-login
Maaari ngayon ng mga bagong kliyente na mag-register sa loob ng 2 hanggang 3 na hakbang gamit ang kanilang Google, GitHub, Apple, o Amazon account, o gamit ang kanilang email address. Karamihan sa mga kliyente ay hindi kailangang tapusin ang advanced na AWS account registration, i-verify ang numero ng telepono, o ipasok ang impormasyon ng credit card:

Figure 1: AWS registration page na nag-aalok ng mga opsyon para sa pag-login sa social media account

Matapos ang pagpaparehistro, awtomatikong gagawa ang SageMaker AI ng iyong Studio environment sa loob ng halos 20 segundo. Pagkatapos, ikaw ay papasok sa pahina na tumutugma sa iyong simulan. Halimbawa, maaari mong makita at piliin ang isang model sa Hugging Face, at pagkatapos ay i-deploy ito sa pamamagitan ng Deploy on SageMaker AI. Pagkatapos, buksan ng Studio ang pahina ng deployment na may na-configure nang paunang model para sa paglikha ng endpoint:

Figure 2: I-deploy ang Hugging Face model sa Amazon SageMaker AI

Figure 3: I-configure ang endpoint settings sa SageMaker Studio

Makakakuha ng hasta 200 dolyar sa Free Tier points, karamihan sa mga customer ay hindi kailangan ng credit card
Ang mga bagong kliyente ay makakatanggap ng $100 sa AWS Free Tier credits na maaaring gamitin para sa iba’t ibang mga tampok ng SageMaker AI, kabilang ang endpoint deployment, model customization, Studio notebook, at model training. Bukod dito, mayroon ka pang pagkakataon na makakuha ng karagdagang $100 credits. Ang credits ay awtomatikong maiiwasan sa iyong mga gastos; kapag malapit ka na sa limitasyon, makakatanggap ka ng email notification. Ang Free Tier ay tumatagal ng 6 na buwan, o hanggang sa mawala ang lahat ng credits, kahit anong mangyari muna. Sa wakas ng panahon, awtomatikong sasiguro na ang paggamit ng mga yaman ay titigil, kaya hindi ka makakapag-iiwan ng karagdagang bayad dahil sa hindi inaasahang paggamit. Maaari mong i-upgrade ang iyong account sa paid plan kahit kailan sa pamamagitan ng pagdaragdag ng impormasyon sa pagbabayad.
Batay sa mga naging resulta na na-publish na
Ang mga pagpapabuti mula sa nakaraang bersyon ay kasama sa kapaligiran na nilikha sa pamamagitan ng bagong login experience. Ang mga pahintulot na kailangan para sa pag-customize, pag-train, pag-evaluate, at pag-deploy ng modelo ay naka-configure na agad, kaya hindi mo kailangang lumikha ng AWS Identity and Access Management (IAM) role. Ang mga account na kwalipikado ay may automatic access sa G5, G6, at G4dn GPU instances para sa endpoints, training jobs, at Studio notebook. Bukod dito, ang menu ng pagpili ng instance sa Studio ay nagpapakita ng availability ng quota, kaya maaari mong mabilis na tingnan kung anong mga uri ng instance ang available.
Simulan ang paggamit
Maaari mong agad na subukan ang bagong paraan ng pag-login:

Nababasa ang mga model sa Hugging Face, piliin ang Deploy, piliin ang Amazon SageMaker AI, at piliin ang Customize on SageMaker AI o Deploy on SageMaker AI sa mga suportadong model. Maaari rin mong bisitahin ang Amazon SageMaker Studio page at piliin ang Get started with Amazon SageMaker AI.
Sa pahina ng pag-login sa AWS, piliin ang Google, GitHub, Apple, o Amazon, o maaari mong ipasok ang iyong email address, at sundin ang mga patnubay upang makalikha ng account sa ilang mga hakbang.
Makapasok sa fully configured SageMaker Studio environment at gamitin ang Free Tier credits para magsimula sa pag-develop.

Bagong karanasan sa pag-login para sa mga bagong AWS account. Kung mayroon ka nang AWS account, ang paraan ng pag-login ay hindi magbabago.
Pangwakas
Ang bagong karanasan sa pag-login ay tinanggal ang huling malaking hadlang mula sa pagkakaroon ng Amazon SageMaker AI hanggang sa pagmumula sa pagbuo. Kasama ang mas mabilis na paglikha ng environment, mga pekeng pinagkakatiwalaang pahintulot, mga deep link mula sa Hugging Face, at default na access sa GPU, maaari ng mga indibidwal na developer magsimula nang mabilis. Maaari na ng mga startup team gamitin ang kanilang umiiral na account upang matapos ang proseso mula sa paghahanap ng model hanggang sa pag-customize o pag-deploy nito sa loob ng ilang minuto.
Upang magsimula, bisitahin ang aws.amazon.com/sagemaker/studio o tuklasin ang mga model sa Hugging Face.

Mga may-akda

Hazim Qudah
Si Hazim ay isang propesyonal na solution architect sa AWS at nakabase sa Dallas, Texas, USA. Mahilig siya tumulong sa mga kliyente na gamitin ang AWS technologies at best practices upang buuin at gamitin ang mga AI/ML solution. Bago sumali sa AWS, nagtrabaho siya nang maraming taon bilang teknikal na konsultante para sa maraming industriya at rehiyon. Sa libre niyang oras, mahilig siya mag-run at maglaro kasama ang kanyang aso, Nala.

Paul Hargis
Si Paul ay nakatuon sa machine learning sa iba’t ibang kumpanya kabilang ang AWS, Amazon, at Hortonworks. Mahilig siya sa pagbuo ng teknikal na solusyon at pagtuturo sa mga tao kung paano gamitin ang mga ito. Masaya si Paul na tumutulong sa mga kliyente na palawakin ang kanilang mga programa sa machine learning upang lutasin ang mga problema sa totoong mundo. Bago sumali sa AWS, siya ay naging Chief Architect sa Amazon Exports and Expansions, kung saan tumulong siya sa pagpapabuti ng karanasan ng pagbili ng mga internasyonal na consumer sa amazon.com.

Naidile Murali
Si Naidile ay product manager ng AWS at nakabase sa Bellevue, Washington, Estados Unidos. Pangunahing responsable siya sa pagpapabuti ng karanasan ng mga developer ng AI/ML sa Amazon SageMaker AI, kabilang ang onboarding ng mga bagong user sa Studio, ang SageMaker JumpStart model hub, at ang GPU capacity management sa IDE. Bago sumali sa AWS, nagtrabaho siya bilang software engineer sa HSBC at may MBA mula sa Georgetown University.

(Para sa source: MLion)