打造高效机器学习工作流！Amazon Q Developer 已集成到 Amazon SageMaker Studio

在上个星期的亚马逊云科技纽约峰会中，亚马逊云科技宣布 [Amazon Q](https://aws.amazon.com/cn/q/?trk=cndc-detail) Developer 现已集成到 [Amazon SageMaker](https://aws.amazon.com/cn/sagemaker/?trk=cndc-detail) Studio。**它是 [Amazon SageMaker](https://aws.amazon.com/cn/sagemaker/?trk=cndc-detail) JupyterLab 体验中内置的生成式 AI 助手，能够接收您的自然语言输入，为您的[机器学习](https://aws.amazon.com/cn/machine-learning/?trk=cndc-detail) （ML） 开发生命周期量身定制执行计划，为每项任务推荐合适工具，提供逐步指导，生成代码以开始工作，并在您遇到错误时提供故障排除帮助。**它还能**帮助您应对各种挑战，例如将复杂的 ML 问题转化为较小的任务，以及在文档中搜索相关信息。进而简化并加速您的 ML 开发周期。** 无论您是初次使用 [Amazon SageMaker](https://aws.amazon.com/cn/sagemaker/?trk=cndc-detail) 以探索生成式 AI 或传统 ML 应用场景，还是希望提升效率、缩短学习曲线的资深用户，**[Amazon SageMaker](https://aws.amazon.com/cn/sagemaker/?trk=cndc-detail) Studio 中的 [Amazon Q](https://aws.amazon.com/cn/q/?trk=cndc-detail) Developer 都能让您构建、训练和部署 ML 模型，而不必离开 [Amazon SageMaker](https://aws.amazon.com/cn/sagemaker/?trk=cndc-detail) Studio 去搜索文档页面和在线论坛上的示例、代码片段和说明。** 现在，让我向您展示 [Amazon SageMaker Studio](https://aws.amazon.com/cn/sagemaker/studio/?trk=cndc-detail) 中 [Amazon Q](https://aws.amazon.com/cn/q/?trk=cndc-detail) Developer 的不同功能。 ### **开始使用 Amazon SageMaker Studio 中的 Amazon Q Developer** 在 [Amazon SageMaker](https://aws.amazon.com/cn/sagemaker/?trk=cndc-detail) 控制台中，我进入管理配置（Admin configurations）下的域（Domains），并在域的设置中启用 [Amazon Q](https://aws.amazon.com/cn/q/?trk=cndc-detail) Developer。如果您是 [Amazon SageMaker](https://aws.amazon.com/cn/sagemaker/?trk=cndc-detail) 的新手，可查阅 [Amazon SageMaker 域名概览文档](https://docs.aws.amazon.com/sagemaker/latest/dg/gs-studio-onboard.html?trk=cndc-detail)。我选择从 Launch 下拉菜单中的 mytestuser 启动 [Amazon SageMaker](https://aws.amazon.com/cn/sagemaker/?trk=cndc-detail) Studio。  当我的环境准备就绪后，我在“应用程序”下选择 JupyterLab，然后选择“打开 JupyterLab”来打开我的 Jupyter 笔记本。  生成式 AI 助手 [Amazon Q](https://aws.amazon.com/cn/q/?trk=cndc-detail) Developer 就在我的 Jupyter 笔记本旁边。现在我可以使用内置命令来开始操作。  我可以直接用自然语言描述一个 ML 问题，与 [Amazon Q](https://aws.amazon.com/cn/q/?trk=cndc-detail) Developer 展开对话。这个助手可以**帮助我使用 [Amazon SageMaker](https://aws.amazon.com/cn/sagemaker/?trk=cndc-detail)，而无需花费时间研究如何使用该工具及其功能**。我使用以下提示: ```js I have data in my S3 bucket. I want to use that data and train an XGBoost algorithm for prediction. Can you list down the steps with sample code. ``` **[Amazon Q](https://aws.amazon.com/cn/q/?trk=cndc-detail) Developer 为我提供了分步指导，并生成了用于训练 XGBoost 算法进行预测的代码**。我可以轻松地按照推荐的步骤，在笔记本中添加所需的代码单元。  让我再尝试另一个提示，生成从 [Amazon S3](https://aws.amazon.com/cn/s3/?trk=cndc-detail) 下载数据集并使用 Pandas 读取的代码。我可以使用它来构建或训练我的模型。这有助于简化编码过程，处理重复性任务并减少手动操作。我使用以下提示: ```js Can you write the code to download a dataset from S3 and read it using Pandas? ```  我还**可以请求 [Amazon Q](https://aws.amazon.com/cn/q/?trk=cndc-detail) Developer 提供指导，帮助我调试和修复错误**。这个助手会根据常见的错误和解决方案为我排查故障，避免我花费大量时间在网上搜索和采取试误方法。我使用以下提示: ```js How can I resolve the error "Unable to infer schema for JSON. It must be specified manually." when running a merge job for model quality monitoring with batch inference in SageMaker? ```  作为最后一个例子，我请求 [Amazon Q](https://aws.amazon.com/cn/q/?trk=cndc-detail) Developer 为我提供如何安排笔记本作业的建议。我使用以下提示来获取答复: ```js What are the options to schedule a notebook job? ```  ### **现已推出** 您可以在 [Amazon SageMaker](https://aws.amazon.com/cn/sagemaker/?trk=cndc-detail) 可用的地区使用 [Amazon Q](https://aws.amazon.com/cn/q/?trk=cndc-detail) Developer，该助手适用于所有 [Amazon Q](https://aws.amazon.com/cn/q/?trk=cndc-detail) Developer Pro 用户。有关定价信息，请访问 [Amazon Q](https://aws.amazon.com/cn/q/?trk=cndc-detail) Developer 定价页面。 即刻开始使用 [Amazon SageMaker](https://aws.amazon.com/cn/sagemaker/?trk=cndc-detail) Studio 中的 [Amazon Q](https://aws.amazon.com/cn/q/?trk=cndc-detail) Developer，**在 ML 开发生命周期的任何阶段都可以使用属于您的生成式 AI 助手！** ### **立即体验** 即刻使用 [Amazon SageMaker JumpStart](https://aws.amazon.com/cn/sagemaker/jumpstart/?trk=cndc-detail) 体验全球领先基础模型，扫描下方二维码，从 PC 端开始实验！