Amazon ha introducido una innovadora funcionalidad para su servicio SageMaker HyperPod, destinada a mejorar la experiencia de los desarrolladores en el campo de la inteligencia artificial (IA) y el aprendizaje automático (ML). Los usuarios ahora tienen la capacidad de crear y gestionar entornos de desarrollo interactivos, como JupyterLab y Visual Studio Code, dentro de los clústeres de SageMaker HyperPod que utilizan Amazon Elastic Kubernetes Service (EKS) para la orquestación. Esta mejora promete simplificar el ciclo de vida del desarrollo de modelos de ML.
En conjunto con esta característica, Amazon ha lanzado SageMaker Spaces, un avance que ofrece a los desarrolladores de IA la capacidad de gestionar entornos auto contenibles para ejecutar notebooks. Esta nueva funcionalidad optimiza la inversión en unidades de procesamiento gráfico (GPU) al permitir la ejecución simultánea de cargas de trabajo interactivas y trabajos de entrenamiento en la misma infraestructura, beneficiándose del soporte para asignaciones fraccionadas de GPU. Esto no solo mejora la eficiencia de costos, sino que también facilita la gestión de múltiples entornos de desarrollo, permitiendo a los científicos de datos centrarse en la creación y despliegue de sus modelos de IA y ML.
La nueva herramienta permitirá a los administradores de HyperPod configurar los espacios para sus clústeres, mientras que los científicos de datos tendrán la flexibilidad de crear y conectarse a estos entornos. Una característica destacada es la capacidad de conectar directamente desde Visual Studio Code en un entorno local a los espacios creados en HyperPod.
Para comenzar, los administradores deben instalar el complemento SageMaker Spaces desde la consola de SageMaker AI, con la opción de elegir entre una instalación rápida o personalizada. Una vez configurado el clúster, los científicos podrán crear espacios mediante la interfaz de línea de comandos de HyperPod o utilizando kubectl, y tendrán la opción de acceder a través de una interfaz web segura o conectarse remotamente desde Visual Studio Code.
Además de estas funcionalidades, se ha agregado la opción de crear plantillas para los espacios, lo que permite a los administradores establecer configuraciones predeterminadas que faciliten el trabajo de los científicos de datos. Se han incorporado también mejores prácticas para la gestión de usuarios y colaboración, permitiendo espacios privados o públicos según las necesidades organizacionales.
Con esta integración, Amazon espera que SageMaker HyperPod impulse significativamente la productividad de los científicos de datos y desarrolladores de IA, optimizando el uso de recursos computacionales y minimizando el tiempo empleado en la configuración de entornos.
