CodeZine編集部では、現場で活躍するデベロッパーをスターにするためのカンファレンス「Developers Summit」や、エンジニアの生きざまをブーストするためのイベント「Developers Boost」など、さまざまなカンファレンスを企画・運営しています。

Amazon Web Services ブログ AWS による Jupyter の 生成系 AI の民主化とノートブック実行のスケールのための新しい拡張機能を発表 Project Jupyter は複数のステークホルダーで運営されるオープンソースプロジェクトであり、データサイエンス、機械学習、計算科学のためのアプリケーションだけでなく公開標準やツールも開発しています。なかでも、2011 年にリリースされた Jupyter Notebook は学術、研究、産業のあらゆる分野で世界で数百万人のユーザーが使用するデファクトスタンダードのツールとなりました。Jupyter ではユーザーがコードやデータをインタラクティブに実行でき、完全に再現可能な作業記録として作成、共有することが可能です。 AWS はデータサイエンティストや機械学習エンジニアにとって欠かせない Jupyter を開発する Proj

AWS Machine Learning Blog Announcing new Jupyter contributions by AWS to democratize generative AI and scale ML workloads Project Jupyter is a multi-stakeholder, open-source project that builds applications, open standards, and tools for data science, machine learning (ML), and computational science. The Jupyter Notebook, first released in 2011, has become a de facto standard tool used by millions

AWS Machine Learning Blog Schedule your notebooks from any JupyterLab environment using the Amazon SageMaker JupyterLab extension Jupyter notebooks are highly favored by data scientists for their ability to interactively process data, build ML models, and test these models by making inferences on data. However, there are scenarios in which data scientists may prefer to transition from interactive

Webブラウザ経由でどこからでもアクセスできてVisual Studio Codeのようにコード補完もしっかりあり、ついでにCPU/GPUも両方つかえる機械学習の開発環境。そんな駅から徒歩3分オートロックの家電付き物件並みの環境を構築する方法を解説します。 Amazon SageMaker Studio Labを機械学習の開発環境として使用し、文字通りIDEのサーバーであるCode ServerをStudio Lab上で起動します。これにより、Studio Lab内にあるJupyter NotebookをIDEで編集できます。 Amazon SageMaker Studio Labのアカウント登録手順はAmazon SageMaker Studio Lab の使い方を参照してください。code-serverを使う上で大事なポイントとしてTerminalがありストレージがついています。無料/

連載目次 前回は、「Amazon SageMaker Studio Lab」（以下、Studio Lab）の機能概要や特徴、スペック、利用上の注意事項などについて説明した。筆者自身が感じた「Studio Labは無料なのにすごい！」ということをお伝えしたわけだが、興味を持っていただけただろうか。 今回は、具体的に「Studio Labは、こんな感じで使えるよ」ということをお伝えしたい。できるだけスクリーンキャプチャーを多めにすることで、図とコードを見るだけで、説明はあまり読まなくてもよい短い記事にしたいと考えている。 とはいえ「Studio Labの使い方」は、はっきり言って難しくない。Studio Lab環境自体は直観的に使えるし、Conda（＝AnacondaやMinicondaで使えるパッケージ管理ツール）やJupyterLab（＝Python／Rコードが実行できるノートブック環境）

SageMaker Studio LabでJuliaを動かすexampleがマージされました！理論上Jupyterで扱える言語はすべて動かせるので、こんな言語で動かしてやったぜ！というPull Requestをどしどしお待ちしてま… https://t.co/MmtEYUeV7Z

Amazon Web Services ブログ プレビュー開始 – 機械学習を学び、実験できる無料のサービス、Amazon SageMaker Studio Lab AWS の使命は、機械学習 (ML) をより利用しやすくすることです。ここ数年の会話を通して、私は機械学習の初心者の多くが直面している障壁について学びました。既存の機械学習環境は、初心者には複雑すぎるか、最新の機械学習実験をサポートするには制限が強すぎることがよくあります。初心者は、予算超過を避けるために、インフラストラクチャのスピンアップ、サービスの設定、請求アラームの実装について心配することなく、すぐに学習を開始したいと考えています。これは、多くの人のもう一つの障壁を強調しています。サインアップ時に請求情報とクレジットカード情報を提供する必要があるということです。 誤って大きな請求を出すことがない Jupyter ノートブ

機械学習を学び、実験できる無料サービス「Amazon SageMaker Studio Lab」プレビュー版が発表：「JupyterLab」ベースのノートブック開発環境でAWSリソースを利用 AWSはJupyterノートブックを使用して機械学習を学び、実験できる無料サービス「Amazon SageMaker Studio Lab」のプレビュー版を発表した。クレジットカード番号は不要であり、AWSアカウントすら必要ない。

この記事は新野淳一氏のブログ「Publickey」に掲載された「［速報］AWS、JupyterLab IDEベースの新サービス「SageMaker Studio Lab」無料提供を発表、ブラウザで機械学習を学び試せる。AWS re:Invent 2021」（2021年12月2日掲載）を、ITmedia NEWS編集部で一部編集し、転載したものです。 米Amazon Web Services（AWS）は、機械学習の実行環境を提供する新サービス「SageMaker Studio Lab」を無料で提供すると、開催中のイベント「AWS re:Invent 2021」で発表しました。 SageMaker Studio Labは、機械学習の実行環境として広く使われているオープンソースの「JupyterLab IDE」をベースにした新サービスです。PythonやR言語などに対応しており、ターミナル機能や

AWS News Blog Now in Preview – Amazon SageMaker Studio Lab, a Free Service to Learn and Experiment with ML Our mission at AWS is to make machine learning (ML) more accessible. Through many conversations over the past years, I learned about barriers that many ML beginners face. Existing ML environments are often too complex for beginners, or too limited to support modern ML experimentation. Beginne

Amazon Web Services（AWS）は、機械学習の実行環境を提供する新サービス「SageMaker Studio Lab」を無料で提供すると、開催中のイベント「AWS re:Invent 2021」で発表しました。 SageMaker Studio Labは、機械学習の実行環境として広く使われているオープンソースのJupyterLab IDEをベースにした新サービスです。PythonやR言語などに対応しており、ターミナル機能やGitとの連携機能などを備えています。 AWSには、すでに「SageMaker Studio」がサービスとして存在していますが、今回発表された「SageMaker Studio Lab」は機械学習の教育を目的とし、機能の一部をサブセットとして取り出したものといえます。 インストールやセットアップなどは不要で、Webブラウザからすぐに利用可能な環境が立ち上が

You signed in with another tab or window. Reload to refresh your session. You signed out in another tab or window. Reload to refresh your session. You switched accounts on another tab or window. Reload to refresh your session. Dismiss alert

COVID-19でリモートワークが推奨されているため自宅にこもりがちです。self-isolateするだけでなくself-studyに最適な時機なのではないでしょうか。そんなわけで以前より興味のあったKubeflowをEKSのKubernetesクラスタ上に設置して簡単なJupyter Notebookを作るテストを行ってみました。KubeflowはKubernetes上で機械学習のモデル開発やエンドポイントのデプロイをサポートするオープンソースのシステムです。データサイエンスの職能領域は主にビジネス寄りとされるデータサイエンティストとエンジニア寄りの機械学習エンジニアに枝分かれして語られます。機械学習エンジニア領域ではMLOpsの興隆と共に実際に構築したモデルを運用しテストおよび改善していく必要性が以前にも増して高まってきているようです。Amazon Sagemakerのようなマネージド

【小ネタ】[Amazon SageMaker] 既存のモデルを使用した増分学習をJupyter Notebookでやってみました 1 はじめに CX事業本部の平内（SIN）です Amazon SageMaker（以下、SageMaker）では、既存のモデルを元に学習を開始する増分学習がサポートされており、ここDevelopers.IOでも既に紹介されています。 上記は、コンソールから物体検出の増分学習の要領が、紹介されていますが、これを、単に、Jupyter Notebookでやってみた記録です。 Jupyter Notebookには、物体検出の増分学習のサンプルとして、Amazon SageMaker Object Detection Incremental Trainingがあり、データ形式がRecordIOとなっていますが、今回試したのは、JSON形式のデータセットです。 参考: