Las traducciones son generadas a través de traducción automática. En caso de conflicto entre la traducción y la version original de inglés, prevalecerá la version en inglés. # Acciones de canalizaciones Puede utilizar el SDK de Python de Amazon SageMaker Pipelines o el diseñador drag-and-drop visual de Amazon SageMaker Studio para crear, ver, editar, ejecutar y supervisar sus flujos de trabajo de aprendizaje automático. La siguiente captura de pantalla muestra el diseñador visual que puedes usar para crear y administrar tus Amazon SageMaker Pipelines. ![\[Captura de pantalla de la drag-and-drop interfaz visual de Pipelines en Studio.\]](http://docs.aws.amazon.com/es_es/sagemaker/latest/dg/images/pipelines/pipelines-studio-overview.png) Una vez desplegada la canalización, podrá ver el gráfico acíclico dirigido (DAG) de la canalización y gestionar las ejecuciones con Amazon SageMaker Studio. Con SageMaker Studio, puede obtener información sobre sus procesos actuales e históricos, comparar las ejecuciones, consultar el DAG para ver sus ejecuciones, obtener información de metadatos y mucho más. Para obtener más información sobre cómo ver canalizaciones desde Studio, consulte [Visualización de los detalles de una canalización](pipelines-studio-list.md). **Topics** + [Definición de una canalización](define-pipeline.md) + [Editar una canalización](edit-pipeline-before-execution.md) + [Ejecución de una canalización](run-pipeline.md) + [Detención de una canalización](pipelines-studio-stop.md) + [Visualización de los detalles de una canalización](pipelines-studio-list.md) + [Visualización de los detalles de la ejecución de una canalización](pipelines-studio-view-execution.md) + [Descarga de un archivo de definición de canalización](pipelines-studio-download.md) + [Acceso a los datos del experimento desde una canalización](pipelines-studio-experiments.md) + [Seguimiento del linaje de una canalización](pipelines-lineage-tracking.md)