Amazon SageMaker Studio 提供了一个基于 Web 的单一视觉界面，您可以在其中执行所有 ML 开发步骤，它可以将数据科学团队的生产效率提高将近 10 倍。对于构建、训练和部署模型所需的每个步骤，SageMaker Studio 为您提供了完整的访问、控制权和可见性。您可以快速上传数据、新建笔记本、训练和调试模型、在各个步骤之间来回移动，从而实现在一处调整实验、比较结果，并将模型部署到生产环境中，使您的生产效率大大提高。可以在 SageMaker Studio 中执行所有的 ML 开发活动，包括笔记本、实验管理、自动模型创建，调试以及模型和数据偏差检测。
弹性和可共享笔记本
通过管理计算实例来查看、运行或共享笔记本非常繁琐。Amazon SageMaker Studio Notebooks 是可快速启动的一键式 Jupyter 笔记本。底层的计算资源具有充分的弹性，因此您可以轻松地调高或调低可用资源，并且后台会自动进行更改，而不会中断您的工作。只需单击几下即可与其他人共享笔记本。他们会得到完全相同的笔记本，保存在同一位置。
可扩展实验
在进行使用不同的输入组合微调模型的实验时，您可以启动笔记本旁边的实验排行榜。该排行榜可以自动对所有实验进行跟踪、排序和排名。只需一瞥，即可轻松比较和识别性能最佳的模型。
快速入门
Amazon SageMaker Studio 中包含一个机器学习启动器，其中包含 150 多种常用的开源模型和超过 15 个针对常见使用案例预先构建的解决方案，例如客户流失预测和欺诈检测，从而使您能够在短短几分钟内构建您的首个模型。您还可以使用 Amazon SageMaker AutoPilot，通过单击几下来使用您的自己的数据创建 ML 模型。
自备容器
Amazon SageMaker Studio Notebooks 提供了一组适合于常用数据科学和深度学习框架（如 Tensorflow、MXNet、PyTorch）的内置镜像以及运行笔记本的计算选项。您也可以注册自定义映像和内核，并使其面向共享 SageMaker Studio 域的所有用户提供。通过自定义镜像，您可以使用常用深度学习框架的特定版本启动笔记本。
深度学习
Amazon SageMaker Studio 支持许多常用的深度学习框架，例如 TensorFlow、Apache MXNet、PyTorch 等。这些框架会自动配置和优化以实现高性能。
