As traduções são geradas por tradução automática. Em caso de conflito entre o conteúdo da tradução e da versão original em inglês, a versão em inglês prevalecerá.

# Ações de pipelines
<a name="pipelines-build"></a>

Você pode usar o Amazon SageMaker Pipelines Python SDK ou drag-and-drop o designer visual no SageMaker Amazon Studio para criar, visualizar, editar, executar e monitorar seus fluxos de trabalho de ML.

A captura de tela a seguir mostra o designer visual que você pode usar para criar e gerenciar seus Amazon SageMaker Pipelines.

![\[Captura de tela da drag-and-drop interface visual do Pipelines no Studio.\]](http://docs.aws.amazon.com/pt_br/sagemaker/latest/dg/images/pipelines/pipelines-studio-overview.png)


Depois que seu pipeline for implantado, você poderá visualizar o gráfico acíclico direcionado (DAG) do seu pipeline e gerenciar suas execuções usando o Amazon Studio. SageMaker Usando o SageMaker Studio, você pode obter informações sobre seus pipelines atuais e históricos, comparar execuções, ver o DAG de suas execuções, obter informações de metadados e muito mais. Para saber como visualizar pipelines a partir do Studio, consulte [Visualizar os detalhes de um pipeline](pipelines-studio-list.md). 

**Topics**
+ [Definir um pipeline](define-pipeline.md)
+ [Editar um pipeline](edit-pipeline-before-execution.md)
+ [Execute um pipeline](run-pipeline.md)
+ [Interromper um pipeline](pipelines-studio-stop.md)
+ [Visualizar os detalhes de um pipeline](pipelines-studio-list.md)
+ [Visualizar os detalhes de uma execução de pipeline](pipelines-studio-view-execution.md)
+ [Faça o download de um arquivo de definição de pipeline](pipelines-studio-download.md)
+ [Acessar dados do experimento a partir de um pipeline](pipelines-studio-experiments.md)
+ [Rastrear a linhagem de um pipeline](pipelines-lineage-tracking.md)