Amazon ha dado un paso significativo hacia la optimización de flujos de trabajo de inteligencia artificial (IA) y aprendizaje automático (ML) con la presentación de nuevas funcionalidades para su servicio SageMaker HyperPod. Orientada a mejorar la experiencia de los desarrolladores, esta innovación se basa en el uso del servicio de orquestación Amazon Elastic Kubernetes Service (EKS) para permitir la creación y gestión de entornos de desarrollo interactivos, tales como JupyterLab y Visual Studio Code. La iniciativa busca facilitar el ciclo de vida del desarrollo de modelos de ML.
Una característica destacada en este lanzamiento es la introducción de Amazon SageMaker Spaces, una plataforma que ofrece a los desarrolladores de IA la capacidad de gestionar entornos auto contenibles para la ejecución de notebooks. Con esta herramienta, las organizaciones podrán optimizar su inversión en unidades de procesamiento gráfico (GPU) al permitir la ejecución simultánea de cargas de trabajo interactivas y de entrenamiento en la misma infraestructura. El soporte para asignaciones fraccionadas de GPU emerge como una ventaja económica significativa, simplificando la gestión de múltiples entornos de desarrollo y permitiendo a los científicos de datos centrar sus esfuerzos en la creación y despliegue de modelos de IA y ML.
Con estas innovaciones, los administradores de HyperPod podrán configurar espacios en sus clústeres, facilitando a los científicos de datos la creación y conexión a estos entornos. Una funcionalidad añadida es la capacidad de conectar Visual Studio Code directamente desde el entorno local a los espacios configurados en HyperPod, lo que amplía las posibilidades para los desarrolladores.
El proceso de inicio para los administradores incluye la instalación del complemento SageMaker Spaces desde la consola de AI de SageMaker, con opciones de instalación rápida o personalizada. Una vez configurado el clúster, los científicos de datos pueden crear espacios a través de la interfaz de línea de comandos de HyperPod o usando kubectl. Estos espacios pueden ser accedidos mediante una interfaz web segura o de forma remota desde el entorno local de Visual Studio Code, lo que incrementa la flexibilidad para los usuarios.
Además, la nueva funcionalidad permite la creación de plantillas para los espacios, lo que ayuda a los administradores a establecer configuraciones predeterminadas que simplifican el trabajo de los científicos de datos. Se ha seguido un enfoque metódico en la gestión de usuarios y colaboración, permitiendo que los espacios sean configurados como privados o públicos, para ajustar la privacidad y la colaboración según las necesidades del equipo.
Con estas mejoras, se anticipa que SageMaker HyperPod incrementará la productividad de los científicos de datos y desarrolladores de IA mediante la provisión de entornos de desarrollo gestionados que optimizan el uso de recursos computacionales, al mismo tiempo que reducen el tiempo de configuración.
