AWS ได้ประกาศออก SageMaker Studio หรือ Web-based IDE สำหรับงานด้าน Machine Learning รวมถึงยังประกาศเครื่องมืออื่นๆในส่วน Studio ด้วยเช่น Debugger, Monitoring และ Autopilot

SageMaker Studio เป็นเครื่องมือสำหรับสร้างและเทรนโมเดลด้าน Machine Learning โดยประกอบด้วยเครื่องมือที่พึงจำเป็นในการทำงานของ Data Scientist เช่น Notebook, Data Set, Model, Code นอกจากนี้ยังสามารถแชร์โปรเจ็คและโฟลเดอร์กับผู้ร่วมงานได้ด้วย อย่างไรก็ตามยังมีการประกาศอื่นภายใต้ Studio ดังนี้
- Experiment – ใช้ Capture, Organize และค้นหาขั้นตอนการสร้าง เทรน และ Tuning โมเดลได้อย่างอัตโนมัติ เช่นใช้เพื่อการ Capture ค่าพารามิเตอร์ คอนฟิค และผลลัพธ์แบบ Real-time และสามารถใช้ค้นหาผลการทดลองเก่าได้ เป็นต้น
- Debugger – ใช้ Debug และทำโปรไฟล์การเทรนโมเดลเพื่อเพิ่มความแม่นยำได้มากขึ้นโดยพื้นฐานและสามารถแจ้งเตือนได้แบบ Real-time รวมถึงแนะนำจำนวนครั้งของการเทรนได้ นอกจากนี้ยังมีฟีเจอร์ที่ชื่อ Prioritization ที่สามารถแนะ Dimension ของข้อมูลที่มีผลต่อโมเดล
- Model Monitor – ช่วยผู้ใช้งานตรวจสอบค่าที่ต่างกันจากผลลัพธ์ของโมเดลกับ Baseline ที่ควรจะเป็นที่เกิดขึ้นจากสถิติที่ผ่านมาพร้อมทั้งสามารถแจ้งเตือนนักพัฒนาได้ด้วย
- AutoPilot – สร้างโมเดลอย่างอัตโนมัติตั้งแต่การทำ Preprocess Data, Model Tuning และ Algorithm Selection ด้วย API Call ตัวเดียวหรือการคลิกไม่กี่ครั้ง
ที่มา : https://www.zdnet.com/article/aws-launches-sagemaker-studio-a-web-based-ide-for-machine-learning/ และ https://techcrunch.com/2019/12/03/aws-launches-sagemaker-studio-a-web-based-ide-for-machine-learning/