مِخبارMIKHBAR
الذكاء الاصطناعي

إدارة مساحات SageMaker HyperPod مباشرة من SageMaker Studio

تتيح الميزة الجديدة لعلماء البيانات ومهندسي التعلم الآلي تشغيل بيئات التطوير التفاعلية مثل JupyterLab ومحرر الكود بضغطات معدودة ودون الحاجة لأوامر سطر الأوامر.

إدارة مساحات SageMaker HyperPod مباشرة من SageMaker Studio

تسهيل تطوير نماذج الذكاء الاصطناعي

أتاحت المنصة تقنية متقدمة تُمكّن علماء البيانات ومهندسي التعلم الآلي من إنشاء، وتكوين، وتشغيل، وإيقاف، وفتح مساحات العمل المخصصة على مجموعات العقد الحوسبية بشكل مباشر من واجهة المستخدم، وذلك اعتماداً على ما أعلنه فريق AWS Machine Learning Blog في أحدث مستجداته التقنية.

تعتمد البنية التحتية الأساسية على خدمة الأقسام والخدمات المتقدمة لتوفير بيئة عالية الكفاءة لتدريب النماذج التأسيسية الضخمة واستنباط النتائج بكفاءة، مستفيدة من قدرات الأداء العالي المتاحة عبر Amazon SageMaker HyperPod لدعم مختلف مهام العمليات الذكية.

إدارة مساحات SageMaker HyperPod مباشرة من SageMaker Studio
صورة مرتبطة بالخبر من AWS Machine Learning Blog · المصدر: AWS Machine Learning Blog

الاستفادة القصوى من الموارد الحوسبية

تساعد هذه الإمكانيات التنظيمية في تشغيل أعباء العمل التفاعلية جنباً إلى جنب مع مهام التدريب الثقيلة ونشر النماذج على نفس البنية التحتية، مع توفير مرونة تخصيص الموارد لتلبية احتياجات الفرق المختلفة بفضل تكامل العمليات عبر Amazon Elastic Kubernetes Service (Amazon EKS).

في السابق، كانت عملية إدارة المساحات تتطلب الاعتماد على أدوات سطر الأوامر وأوامر النظام، أما الآن فتوفر واجهة الاستوديو الجديدة طريقة بصرية متكاملة تبسط العمليات اليومية وتتيح للفرق التركيز بالكامل على ابتكار وتطوير النماذج دون عناء الأدوات التقنية المعقدة.

إدارة مساحات SageMaker HyperPod مباشرة من SageMaker Studio
صورة مرتبطة بالخبر من AWS Machine Learning Blog · المصدر: AWS Machine Learning Blog

الخصائص والوظائف الرئيسية المتاحة

تتضمن المزايا الجديدة عرض جدول بحثي شامل يوضح تفاصيل كل مساحة تشمل الحالة ونوع التطبيق والموارد المخصصة، إلى جانب إمكانية تشغيل أو إيقاف البيئات بضغطة زر واحدة لتفريغ الموارد الحوسبية عند عدم الحاجة إليها، وتسهيل عملية إدارة النطاقات والسياسات باستخدام الأدوات الإرشادية المتاحة ضمن تفاصيل الإعداد الموضحة في وثائق Amazon SageMaker Spaces for HyperPod.

تستطيع الفرق التقنية الاطلاع على إرشادات الاستخدام والتحكم في الحصص عبر مراجع المطورين، بما يضمن تكامل العمليات وتتبع أذونات المستخدمين بشكل دقيق وآمن على مستوى المنصة.

إدارة مساحات SageMaker HyperPod مباشرة من SageMaker Studio
صورة مرتبطة بالخبر من AWS Machine Learning Blog · المصدر: AWS Machine Learning Blog

إجراءات الإعداد والصلاحيات الإدارية

يتطلب تفعيل النظام الجديد خطوات إدارية أولية تشمل تثبيت الإضافات اللازمة وربط الهويات لضمان توثيق العمليات، حيث يمكن للمسؤولين اتباع الإرشادات المتاحة عبر خيارات التثبيت السريع أو المخصص التي تتطلبها بعض واجهات المتصفح، مع إمكانية مراجعة التفاصيل الشاملة عبر مستندات AWS documentation لتجنب أي عقبات تشغيلية.

بعد اكتمال عملية الإعداد والتحقق من تطابق سياسات الوصول، يصبح بمقدور علماء البيانات البدء مباشرة في إنشاء وتخصيص بيئات العمل الخاصة بهم واستثمار القدرات الحوسبية المتاحة بالكامل.

إدارة مساحات SageMaker HyperPod مباشرة من SageMaker Studio
صورة مرتبطة بالخبر من AWS Machine Learning Blog · المصدر: AWS Machine Learning Blog

خيارات التشغيل المرنة وتجربة التطوير

تتيح البيئات المطورة إمكانية فتح التطبيقات مباشرة في المتصفح عبر أدوات تفاعلية متقدمة مثل محرر الأكواد والمنصات الدفترية، أو الاتصال عن بُعد باستخدام محررات محلية مثل VS Code لمتابعة كتابة التعليمات البرمجية واختبارها بكفاءة عالية.

يمكن للمهتمين بالتفاصيل التقنية توسيع معارفهم حول إدارة البيئات واستكشاف آليات التوزيع والتشغيل المتقدمة من خلال مراجعة الإرشادات الخاصة بموضوع Create and manage Spaces on HyperPod للحصول على أقصى استفادة ممكنة من قدرات التخزين والمعالجة المتاحة.

المصادر

تابع التسلسل الزمني

تغطية الكيانات المرتبطة