翻訳は機械翻訳により提供されています。提供された翻訳内容と英語版の間で齟齬、不一致または矛盾がある場合、英語版が優先します。

# SageMaker JupyterLab
<a name="studio-updated-jl"></a>

Amazon SageMaker Studio で JupyterLab スペースを作成し、JupyterLab アプリケーションを起動します。JupyterLab スペースは、JupyterLab アプリケーションの実行に必要なストレージと演算処理リソースを管理する Studio のプライベートまたは共有スペースです。JupyterLab アプリケーションは、ノートブック、コード、データに使用できるウェブベースの対話型開発環境 (IDE) です。JupyterLab アプリケーションの柔軟で広範なインターフェイスを使用して、機械学習 (ML) ワークフローを設定および調整できます。

デフォルトでは、JupyterLab アプリケーションには SageMaker ディストリビューションイメージが付属しています。ディストリビューションイメージには、次のような利用者の多いパッケージがあります:
+ PyTorch
+ TensorFlow
+ Keras
+ NumPy
+ Pandas
+ Scikit-learn

共有スペースを使用して、Jupyter Notebook で他のユーザーとリアルタイムでコラボレーションできます。共有スペースの詳細については、「[共有スペースでコラボレーション](domain-space.md)」を参照してください。

JupyterLab アプリケーション内で、生成 AI を活用したコードコンパニオンである Amazon Q Developer を使用して、コードを生成、デバッグ、説明できます。Amazon Q Developer の使用について詳しくは、「[JupyterLab ユーザーガイド](studio-updated-jl-user-guide.md)」を参照してください。Amazon Q Developer の設定について詳しくは、「[JupyterLab 管理者ガイド](studio-updated-jl-admin-guide.md)」を参照してください。

同じ Jupyter Notebook で統合分析と ML ワークフローを構築します。ノートブックから直接 Amazon EMR および AWS Glue サーバーレスインフラストラクチャでインタラクティブSparkジョブを実行します。インライン UI Spark を使用して、ジョブを迅速にモニタリングおよびデバッグします。ノートブックをジョブとしてスケジュールすれば、わずかな手間でデータ準備を自動化できます。

JupyterLab アプリケーションは同僚との共同作業に便利です。JupyterLab IDE に組み込みの Git 統合を使用して、コードを共有およびバージョニングできます。Amazon EFS ボリュームがある場合は、独自のファイルストレージシステムを持ち込むことができます。

JupyterLab アプリケーションは 1 つの Amazon Elastic Compute Cloud (Amazon EC2) インスタンスで実行され、1 つの Amazon Elastic Block Store (Amazon EBS) ボリュームをストレージに使用します。必要に応じて高速なインスタンスに切り替えることも、Amazon EBS ボリュームのサイズを増やすこともできます。

JupyterLab 4 アプリケーションは Studio 内の JupyterLab スペースで実行されます。Studio Classic は JupyterLab 3 アプリケーションを使用します。JupyterLab 4 には以下の利点があります:
+ 大規模なノートブックでは特に、IDE が Amazon SageMaker Studio Classic よりも高速になる
+ ドキュメント検索が改善されている
+ テキストエディタが高性能で使いやすい

JupyterLab の詳細については、[JupyterLab のドキュメント](https://jupyterlab.readthedocs.io/en/stable/#)を参照してください。

**Topics**
+ [JupyterLab ユーザーガイド](studio-updated-jl-user-guide.md)
+ [JupyterLab 管理者ガイド](studio-updated-jl-admin-guide.md)