AWS推出专为机器学习设计的开发环境SageMaker Studio

AWS推出机器学习整合开发环境Amazon SageMaker Studio，开发者可以利用整合视觉介面撰写程式码、追蹤实验、视觉化资料，并进行除错和监控。AWS提到，Amazon SageMaker Studio是第一个专为机器学习设计的整合开发环境。

SageMaker已经发展了一段时间，但AWS认为，机器学习的工具相对于服务仍然不成熟，使得机器学习开发工作流程不够顺畅，许多功能像是除错器、专案管理、协作和监控等功能，在传统软体开发中都有相对应的工具，但是在机器学习中却没有。

而这使得机器学习的开发受到阻碍，像是当开发新演算法，或是调整超参数的时候，研究人员通常需要在Amazon SageMaker中进行大量的实验，不过因为没有适当的工具支援，因此开发人员需要手动管理这些实验，而随着模型的发展，追蹤工作只会越来越困难。

为此，AWS开发Amazon SageMaker Studio整合所有机器学习开发所需要的工具，而且由于机器学习流程的追蹤，都在同一环境中进行，因此开发人员可以在各步骤中来回切换，还能複製、调整和重播，提供开发人员快速调整进行迭代的能力，缩短机器学习解决方案开发的时间。

Amazon SageMaker Studio总共包含了数项主要功能，包含Notebooks、Experiments、除错器、模型监视器和Autopilot。Amazon SageMaker Notebooks目前仍在预览阶段，是AWS提供的增强版Jupyter Notebooks，可让用户创建和共享Jupyter Notebooks，不需要管理基础设施，还能快速地切换到不同的硬体配置。

用户可以使用SageMaker Experiments来组织、追蹤和比较不同的机器学习工作，这些工作包含训练、资料处理和模型评估，让用户可以方便地进行实验。除错器（下图）则能让用户除错和分析複杂的训练问题，该功能会自动检查用户的模型、收集资料并进行分析，提供即时警示和建议。

模型监视器则可以侦测已部署模型的品质误差，在需要的时发出警示，并以视觉化的方式呈现误差。Autopilot则能自动建构模型，包括自动选择演算法、资料预处理、模型调整以及控制基础设施，而在自动化建置的过程，还给用户完全的控制和可见度。这项服务目前只先在美东的俄亥俄州地区开放。