AWS ha presentado importantes actualizaciones para Amazon SageMaker Unified Studio, una plataforma integrada que reúne herramientas de datos para análisis y aprendizaje automático. Con la reciente incorporación de Code Editor y múltiples espacios, se espera que los desarrolladores y científicos de datos experimenten una mejora significativa en su flujo de trabajo.
Code Editor, basado en Visual Studio Code (VSCode), ofrece un entorno ligero y potente que incluye funcionalidades avanzadas, como herramientas de depuración y acceso a un amplio rango de extensiones. Esto permite a los equipos de desarrollo aumentar su productividad mediante el uso de la misma interfaz que han acostumbrado a manejar. Además, el IDE facilita la colaboración entre equipos, permitiendo la utilización de sistemas de control de versiones como GitHub, GitLab y Bitbucket, lo que mejora la gestión del trabajo en equipo.
Por su parte, la función de múltiples espacios permite que los usuarios gestionen flujos de trabajo paralelos, cada uno con diferentes necesidades computacionales. Cada espacio opera de manera aislada y está asociado a una instancia de aplicación, lo que proporciona flexibilidad para acceder a varias aplicaciones simultáneamente y organizar mejor los recursos.
Entre las características destacadas de Code Editor se incluye una infraestructura completamente administrada que asegura la actualización constante de los sistemas con los últimos parches de seguridad. Además, los usuarios pueden ajustar los recursos de cálculo según sus necesidades, eligiendo entre diferentes tipos de instancias y tamaños de volumen, lo que mejora la adaptabilidad del ambiente de trabajo.
Para ver el impacto de estas innovaciones, AWS ha proporcionado ejemplos prácticos de cómo desarrollar un pipeline de aprendizaje automático usando Code Editor. Dicha funcionalidad permite a los usuarios cargar y ejecutar notebooks de Jupyter que automatizan las etapas clásicas del ciclo de vida del aprendizaje automático como la construcción, entrenamiento y evaluación de modelos.
Con la integración de estas nuevas herramientas, AWS busca no solo facilitar el trabajo de los desarrolladores, sino también fomentar una comunidad más activa en torno al aprendizaje automático y la inteligencia artificial, permitiendo que las soluciones sean implementadas con mayor rapidez y efectividad.
vía: AWS machine learning blog
