Le traduzioni sono generate tramite traduzione automatica. In caso di conflitto tra il contenuto di una traduzione e la versione originale in Inglese, quest'ultima prevarrà.

# Azioni di Pipelines
<a name="pipelines-build"></a>

Puoi utilizzare l'SDK Amazon SageMaker Pipelines Python o drag-and-drop il visual designer di SageMaker Amazon Studio per creare, visualizzare, modificare, eseguire e monitorare i flussi di lavoro ML.

La schermata seguente mostra il visual designer che puoi utilizzare per creare e gestire Amazon SageMaker Pipelines.

![Schermata dell' drag-and-dropinterfaccia visiva di Pipelines in Studio.](http://docs.aws.amazon.com/it_it/sagemaker/latest/dg/images/pipelines/pipelines-studio-overview.png)


Una volta implementata la pipeline, puoi visualizzare il Direct Acyclic Graph (DAG) della pipeline e gestire le esecuzioni utilizzando Amazon Studio. SageMaker Con SageMaker Studio, puoi ottenere informazioni sulle tue pipeline attuali e storiche, confrontare le esecuzioni, visualizzare il DAG per le tue esecuzioni, ottenere informazioni sui metadati e altro ancora. Per informazioni su come visualizzare le pipeline da Studio, consulta [Visualizzazione dei dettagli di una pipeline](pipelines-studio-list.md). 

**Topics**
+ [Definizione di una pipeline](define-pipeline.md)
+ [Modifica di una pipeline](edit-pipeline-before-execution.md)
+ [Esecuzione di una pipeline](run-pipeline.md)
+ [Arresto di una pipeline](pipelines-studio-stop.md)
+ [Visualizzazione dei dettagli di una pipeline](pipelines-studio-list.md)
+ [Visualizzazione dei dettagli dell’esecuzione di una pipeline](pipelines-studio-view-execution.md)
+ [Download di un file di definizione della pipeline](pipelines-studio-download.md)
+ [Accesso ai dati dell’esperimento da una pipeline](pipelines-studio-experiments.md)
+ [Monitoraggio del lineage di una pipeline](pipelines-lineage-tracking.md)