AWS SageMaker Studio Lab : Un guide pratique

Comment s'inscrire et lancer des projets

La mise en route de SageMaker Studio Lab est assez simple, surtout si on la compare à la mise en place d'un environnement AWS complet.

Dans les sections suivantes, je vous montrerai ce qu'il faut faire pour être opérationnel.

Création de compte et onboarding

Pour utiliser Studio Lab, vous devez d'abord en demander l'accès. Voici comment procéder :

1. Accédez à la page SageMaker Studio Lab.
2. Cliquez sur "Demander un compte gratuit" et remplissez quelques informations de base (email, cas d'utilisation, etc.).
3. Attendez votre invitation. L'approbation prend généralement de quelques heures à quelques jours.
4. Une fois votre demande approuvée, vous recevrez un courriel contenant le lien vers la page d'enregistrement du compte. Créez votre compte avec votre adresse électronique approuvée et définissez un mot de passe et un nom d'utilisateur. Ce compte est différent de votre compte AWS et aucune carte de crédit n'est nécessaire.

Dans mon cas, j'ai reçu une approbation dans les 24 heures.

Mise en place de votre environnement

Une fois entré, vous pouvez sélectionner votre type de calcul et cliquer sur "Start runtime".

Page d'accueil de SageMaker Studio Lab. Image de l'auteur.

Lors de la première utilisation, vous serez également invité à saisir votre numéro de téléphone portable, auquel sera envoyé un code de vérification à six chiffres. 

Une fois que votre environnement est opérationnel, vous arrivez dans un environnement JupyterLab et vous devriez voir le carnet Getting Started.ipynb.

Studio Lab est livré avec une image de base Python et seulement quelques bibliothèques préinstallées afin de gagner de la place pour les bibliothèques que vous souhaitez installer. 

Outre l'environnement conda par défaut, Studio Lab prend également en charge SageMaker Distribution, qui est un environnement plus puissant, conçu par AWS pour correspondre à la configuration d'Amazon SageMaker Studio. Il contient des paquets tels que PyTorch, TensorFlow, NumPy, scikit-learn et Pandas.

Vous pouvez toujours installer vos paquets dans l'environnement Conda existant en exécutant %conda install ou %pip install directement à partir d'une cellule de notebook. 

Vous pouvez également utiliser requirements.txt ou environment.yml pour répliquer des environnements complets. Cela permet de suivre facilement les tutoriels.

Mais n'oubliez pas que vous ne disposez que de 15 GO de stockage, il est donc préférable d'éviter d'installer des paquets lourds lorsque ce n'est pas nécessaire.

Vos paquets installés sont également conservés au cours des différentes sessions.

Initialisation du projet et intégration de GitHub

Studio Lab s'intègre bien à GitHub, ce qui signifie que vous pouvez :

• Cloner des dépôts publics ou privés en utilisant HTTPS ou SSH
• Poussez et tirez du code directement à partir de l'extension Git de JupyterLab.
• Partagez vos carnets de notes en créant un lien vers le dépôt (idéal pour la collaboration ou les devoirs).

Si vous enseignez ou apprenez, il est incroyablement facile de distribuer des codes de démarrage ou de soumettre des travaux pour examen, en particulier dans les salles de classe, les camps d'entraînement ou les groupes d'étude à son propre rythme.

Vous souhaitez aller au-delà de GitHub et travailler avec des flux de travail de ML réels ? Pour savoir comment structurer des projets complets, consultez le cours End-to-End Machine Learning (Apprentissage automatique de bout en bout) à l'adresse.

Exemples pratiques pour l'apprentissage automatique

SageMaker Studio Lab est l'endroit idéal pour tester des idées, suivre des tutoriels ou construire de petits projets à partir de zéro. Que vous appreniez la régression ou que vous jouiez avec des données d'image, la plateforme prend en charge sans problème la plupart des tâches de niveau débutant à intermédiaire. 

Je vais maintenant vous présenter des exemples pratiques que vous pouvez essayer immédiatement.

Vous pouvez trouver les exemples de carnetsdans mon dépôt GitHub. Il suffit de cloner ce répertoire dans votre session Studio Lab.

Vous pouvez également cliquer directement sur les badgesOpen Studio Lab dans mon fichier README.md, ce qui ouvriradirectement le carnetdans Studio Lab.

Capture d'écran du fichier README avec les badges Open in Studio Lab. Image de l'auteur.

Formation d'un modèle de régression simple

C'est le site Hello World de l'apprentissage automatique : Formation d'un modèle de régression simple.

Ce que vous ferez dans ce petit exemple :

• Chargez le jeu de données Iris à l'aide de seaborn.
• Explorez visuellement la relation entre les variables.
• Entraînez un modèle de régression linéaire à l'aide de scikit-learn.
• Graphiquez la ligne de régression et évaluez la performance du modèle.

Le code de cet exemple se trouve dans le carnet simple-regression.ipynb.

Ouvrez le carnet de notes et, en tant que noyau, sélectionnez sagemaker-distribution:Python.

Sélection du noyau pour le carnet simple-regression.ipynb dans Studio Lab. Image de l'auteur.

L'objectif de cette tâche de ML est de prédire la longueur des pétales en fonction de la longueur des sépales à partir de l'ensemble de données Iris bien connu. 

Il suffit de parcourir toutes les cellules du carnet pour suivre cet exemple.

Vous trouverez ci-dessous le code complet de cet exemple : 

import seaborn as sns
import matplotlib.pyplot as plt
from sklearn.linear_model import LinearRegression
from sklearn.model_selection import train_test_split
from sklearn.metrics import mean_squared_error, r2_score

# Load dataset
df = sns.load_dataset("iris")

# Visualize the relationship
sns.scatterplot(data=df, x="sepal_length", y="petal_length", hue="species")
plt.title("Sepal Length vs Petal Length")
plt.show()

# Select features
X = df[["sepal_length"]]
y = df["petal_length"]

# Train/test split
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2, random_state=42)

# Fit model
model = LinearRegression()
model.fit(X_train, y_train)
y_pred = model.predict(X_test)

# Evaluation
print("MSE:", mean_squared_error(y_test, y_pred))
print("R² Score:", r2_score(y_test, y_pred))

# Plot regression line
plt.figure(figsize=(8, 5))
sns.regplot(x=X_test["sepal_length"], y=y_test, ci=None, label="Actual", scatter_kws={"s": 50})
plt.plot(X_test["sepal_length"], y_pred, color="red", label="Predicted", linewidth=2)
plt.title("Linear Regression: Predicting Petal Length")
plt.xlabel("Sepal Length")
plt.ylabel("Petal Length")
plt.legend()
plt.show()

Cet exemple s'entraîne en quelques secondes sur le temps d'exécution de l'unité centrale de Studio Lab, et les graphiques permettent de visualiser les performances du modèle. Bien qu'il s'agisse d'un début simple, ce modèle constitue le cœur de nombreuses tâches de régression dans le monde réel.

Exemple de classification d'images

MNIST est un excellent point de départ pour l'apprentissage de la classification des images. Il est petit, propre et fonctionne bien même dans des environnements à ressources limitées comme Studio Lab.

Dans cet exemple, vous allez :

• Chargez l'ensemble de données MNIST en utilisant tensorflow.keras.datasets
• Construire un réseau neuronal simple et dense
• Former et évaluer le modèle
• Visualisez quelques prédictions pour voir comment le modèle fonctionne.

Vous pouvez exécuter cet exemple dans l'environnement d'exécution CPU ou, si vous souhaitez obtenir des performances encore meilleures, dans l'environnement GPU (qui peut parfois être plus difficile à obtenir).

Le code de cet exemple se trouve dans le carnet de notes image-classifier.ipynb ou ci-dessous :

import tensorflow as tf
import matplotlib.pyplot as plt
import numpy as np

# Load dataset
(X_train, y_train), (X_test, y_test) = tf.keras.datasets.mnist.load_data()

# Normalize pixel values
X_train = X_train / 255.0
X_test = X_test / 255.0

# Visualize an example image
plt.imshow(X_train[0], cmap="gray")
plt.title(f"Label: {y_train[0]}")
plt.axis("off")
plt.show()

# Build the model
model = tf.keras.Sequential([
    tf.keras.layers.Flatten(input_shape=(28, 28)),
    tf.keras.layers.Dense(128, activation='relu'),
    tf.keras.layers.Dense(10, activation='softmax')
])

# Compile the model
model.compile(optimizer='adam',
              loss='sparse_categorical_crossentropy',
              metrics=['accuracy'])

# Train the model
history = model.fit(X_train, y_train, epochs=3, validation_split=0.1)

# Evaluate the model
test_loss, test_acc = model.evaluate(X_test, y_test)
print("Test accuracy:", test_acc)

# Predict on test set
predictions = model.predict(X_test)

# Show example prediction
index = 0
plt.imshow(X_test[index], cmap="gray")
plt.title(f"Predicted: {np.argmax(predictions[index])}, Actual: {y_test[index]}")
plt.axis("off")
plt.show()

Ouvrez le carnet de notes et, en tant que noyau, sélectionnez sagemaker-distribution:Python.

Cet exemple fonctionne sans problème sur le processeur et est beaucoup plus rapide lorsque le GPU est activé. Vous pouvez le développer en ajoutant des couches de convolution, en augmentant le nombre d'époques ou en visualisant les chiffres mal classés.

Sivous souhaitez aller plus loin, le cursus Développement d'applications d'IA vous accompagne dans des cas d'utilisation concrets de l'apprentissage profond.

Prétraitement et visualisation des données

Passons maintenant au troisième exemple, qui est tout à fait essentiel pour les applications de ML dans le monde réel : Prétraitement et visualisation des données.

La plupart des ensembles de données du monde réel sont désordonnés et nécessitent un nettoyage approfondi et une inspection manuelle pour être utilisables. Par conséquent, il est crucial de pouvoir tracer les données et de les prétraiter pour développer des applications pratiques d'apprentissage automatique.

Pour présenter le prétraitement et la visualisation des données, nous utiliserons l'ensemble de données Palmer Penguins.

Palmer Penguins est l'un des meilleurs ensembles de données pour débutants pour apprendre le nettoyage et la visualisation des données. C'est comme l'ensemble de données Iris, mais avec des variables plus intéressantes et un contexte réel plus clair.

Le code de cet exemple est disponible dans le notebook data-preprocessing-and-visualization.ipynb. 

Sélectionnez à nouveau le noyau sagemaker-distribution:Python pour suivre cet exemple.

Vous trouverez le code complet ci-dessous :

import seaborn as sns
import pandas as pd
import matplotlib.pyplot as plt

# Load the dataset
df = sns.load_dataset("penguins")

# Quick overview
print(df.head())

# Check for datatypes and NaN values
print(df.info())

# Check missing values
print(df.isnull().sum())

# Drop rows with missing values (simplest option for this example)
df_clean = df.dropna()

# Histogram of bill length
plt.hist(df_clean["bill_length_mm"], bins=20, color="skyblue", edgecolor="black")
plt.title("Distribution of Bill Length")
plt.xlabel("Bill Length (mm)")
plt.ylabel("Frequency")
plt.show()

# Box plot of body mass by species
sns.boxplot(data=df_clean, x="species", y="body_mass_g", palette="pastel")
plt.title("Body Mass Distribution by Species")
plt.ylabel("Body Mass (g)")
plt.show()

# Scatterplot to explore relationships
sns.scatterplot(data=df_clean, x="bill_length_mm", y="bill_depth_mm", hue="species", style="sex")
plt.title("Bill Length vs. Depth by Species and Sex")
plt.xlabel("Bill Length (mm)")
plt.ylabel("Bill Depth (mm)")
plt.legend()
plt.show()

Ces graphiques simples révèlent déjà quelques schémas intéressants, comme des regroupements au niveau des espèces et des différences entre les manchots mâles et femelles.

Partage de notes et collaboration

Une fois que votre carnet est prêt, il est facile de le partager :

• Enregistrez le fichier .ipynb directement dans un dépôt GitHub.
• Invitez d'autres personnes à le visualiser, à le commenter ou à l'exécuter depuis leur propre environnement Studio Lab.

Vous pouvez même ajouter un Ouvert dans Studio Lab à votre fichier README.md ou à vos carnets de notes dans votre répertoire GitHub public.

Il suffit d'ajouter ce qui suit à votre fichier README.md:

[![Open In Studio Lab](https://studiolab.sagemaker.aws/studiolab.svg)](https://studiolab.sagemaker.aws/import/github/org/repo/blob/master/path/to/notebook.ipynb)

Vous pouvez consulter le fichier README.md dans mon répertoire pour voir comment cela fonctionne.

Si vous travaillez avec des coéquipiers ou des enseignants, cette approche facilite grandement l'examen par les pairs, le retour d'information et la reproductibilité. Vous pouvez même inclure requirements.txt pour vous assurer qu'ils installent les mêmes dépendances.

Cas d'utilisation et applications pédagogiques

SageMaker Studio Lab peut être utilisé non seulement comme un terrain de jeu pour l'apprentissage automatique, mais aussi comme un outil pratique pour l'éducation, l'expérimentation rapide et le prototypage léger. Parce qu'il est gratuit, facile d'accès et qu'il fonctionne dans le navigateur, il ouvre un large éventail de possibilités d'utilisation pour les apprenants, les formateurs et les développeurs.

Apprentissage académique et à son rythme

Studio Lab est déjà utilisé comme outil d'enseignement dans les classes universitaires, les cours en ligne et les camps d'entraînement au codage. 

Les avantages :

• Aucune installation locale n'est nécessaire: Les élèves peuvent commencer à coder immédiatement, quel que soit l'appareil qu'ils utilisent.
• Stockage persistant: Sauvegarder les données entre les sessions pour vous permettre de reprendre là où vous vous êtes arrêté.
• Paquets préinstallés: Couvre la plupart des cours de ML de niveau débutant à intermédiaire.
• JupyterLab: L'interface JupyterLab est bien connue et adaptée aux démonstrations et au codage interactif.

En tant qu'instructeur, vous pouvez facilement :

• Partagez les dépôts GitHub avec le code de démarrage.
• Créez des devoirs sous forme de carnets de notes et hébergez-les directement.
• Encouragez la reproductibilité en enseignant une bonne gestion de l'environnement.

En tant qu'étudiant ou autodidacte, Studio Lab vous offre un espace pour.. :

• Entraînez-vous avec des données réelles.
• Suivez les tutoriels.
• Soumettre des projets pour examen.

Prototypage et expérimentation légère

Studio Lab n'est pas conçu pour les charges de travail des entreprises, mais il fonctionne très bien pour le prototypage. 

Vous pouvez l'utiliser si vous le souhaitez :

• Testez une idée de modélisation.
• Effectuez des comparaisons de référence.
• Nettoyez et explorez de nouveaux ensembles de données.
• Partagez une démonstration rapide avec un coéquipier.

Il est donc idéal pour :

• Hackathonsoù le temps et les ressources informatiques sont limités.
• Recherche à un stade précocelorsque les idées sont encore en phase de formation.
• Projets secondaireslorsque vous avez juste besoin de mettre quelque chose en place et de le faire fonctionner sans avoir à gérer l'infrastructure.

Je l'ai utilisé pour tester rapidement un code que j'avais trouvé quelque part, ou pour préparer une démo pour l'un de mes articles. 

Comparaisons et principales limites

SageMaker Studio Lab est souvent comparé à des outils tels que Google Colab, JupyterHub et même SageMaker Studio. Cependant, bien que ces plateformes semblent similaires en apparence, leurs forces, leurs limites et leurs cas d'utilisation idéaux diffèrent considérablement.

Comparons Studio Lab avec Google Colab.

Studio Lab vs. Google Colab

Matériel et performances

En pratique :

• Studio Lab est plus adapté si vous souhaitez un environnement cohérent avec un stockage persistant (idéal pour les travaux de cours ou les projets de longue durée).
• Google Colab est plus adapté si vous travaillez davantage avec les services Google (comme Google Drive) et que vous souhaitez partager vos carnets de notes (ce qui est un peu plus facile avec Google).

Vous souhaitez travailler à long terme avec les outils AWS ? Studio Lab sert de tonalité stepping splus efficace à SageMaker Studio et aux flux de travail basés sur le cloud.

Expérience utilisateur et stabilité de l'interface

Studio Lab fonctionne sur JupyterLab, tandis que Colab est basé sur les carnets Jupyter classiques.

Cela signifie que Studio Lab offre des présentations par onglets, des terminaux, des explorateurs de fichiers et des environnements conda personnalisés. 

Colab, quant à lui, semble plus léger mais manque d'isolation de l'environnement et de reproductibilité dès la sortie de la boîte. 

Si vous êtes habitué à JupyterLab (ou si vous souhaitez une expérience plus proche d'un IDE), Studio Lab est plus structuré et plus extensible.

Coût et accessibilité

Les deux plates-formes sont gratuites, mais elles présentent quelques différences essentielles :

• Studio Lab: 100% gratuit, pas de version premium, pas d'intégration de la facturation.
• Colab: Le niveau gratuit est limité. Des abonnements Pro/Pro+ sont disponibles pour accéder à de meilleures ressources.

Studio Lab est idéal pour les apprenants ou les formateurs qui souhaitent disposer d'une plate-forme fiable et prévisible pour l'enseignement ou l'expérimentation. Colab peut offrir plus de puissance, mais souvent au prix d'une instabilité ou de la nécessité d'une mise à niveau.

Limites du laboratoire de studio

Studio Lab est gratuit, mais il présente aussi quelques inconvénients.

Voyons ce que vous devez savoir.

Contraintes de ressources

Studio Lab est assorti des contraintes suivantes en matière de ressources :

• Limites de session: 4 heures par session (CPU/GPU), avec des quotas journaliers.
• Aucun travail en parallèle: Une seule session d'exécution à la fois.
• Accès au moment de l'exécution: Vous n'obtenez une durée d'exécution que si des ressources sont disponibles. Pour moi, cela a parfois pris un certain temps avant que je puisse démarrer un runtime (même pour les CPU).
• Stockage: Limite stricte de 15 Go, qui peut s'avérer insuffisante pour les grands ensembles de données ou les points de contrôle des modèles.

Pour les projets de petite et moyenne envergure, cela reste gérable. Toutefois, tenez compte des limitations susmentionnées lorsque vous décidez de la manière de structurer votre travail et de stocker les données.

Lacunes et solutions de contournement

Studio Lab ne prend pas en charge :

• Intégration directe avec les services AWS tels que S3, les terminaux SageMaker ou les rôles IAM.
• Mise en réseau personnalisée ou transfert de port.
• Les tâches d'arrière-plan ou les services de longue durée.

Mais vous pouvez au moins combler certaines de ces lacunes :

• Utilisez les ensembles de données Hugging Face ou les URL S3 publiques pour les données.
• Utilisez GitHub pour le partage des versions et des points de contrôle.
• Diffusez les données en temps réel au lieu de tout télécharger à l'avance.
• Utilisez les services AWS payants si vous souhaitez héberger une application ou un modèle, tout en continuant à le développer dans Studio Lab.

Si vous construisez des pipelines de niveau production ou avez besoin d'une intégration complète dans le cloud, envisagez de passer à Amazon SageMaker Studio ou à un environnement géré avec un accès IAM au cloud.

Conclusion

Amazon SageMaker Studio Lab est idéal si vous avez besoin de facilité d'accès, de flexibilité et de développement gratuit de l'apprentissage automatique. Il supprime les barrières d'entrée courantes, comme la configuration du cloud ou la facturation. Cela vous permet de vous concentrer sur l'apprentissage, l'expérimentation et le prototypage. 

Pour les étudiants, les autodidactes et les éducateurs, Studio Lab est un excellent environnement pour.. :

• Mettez en pratique les flux de travail en Python et en ML.
• Exécutez de petits modèles d'apprentissage profond
• Collaborer via GitHub
• Explorez des ensembles de données réels dans une interface JupyterLab

Y a-t-il des limites ? Absolument ! Vous travaillez avec des délais de session, pas d'intégration directe à AWS et une limite de stockage de 15 Go. Mais pour l'expérimentation légère et l'apprentissage pratique, ces compromis sont raisonnables et également acceptables pour un outil gratuit.

Si vous débutez dans l'apprentissage automatique ou si vous recherchez un moyen simple et reproductible de tester vos idées, Studio Lab est plus que suffisant pour vous aider à démarrer.

Vous voulez passer à la vitesse supérieure en matière de ML ? Explorez la technologie et les services cloud AWS pour commencer à créer des environnements prêts pour la production.