Les traductions sont fournies par des outils de traduction automatique. En cas de conflit entre le contenu d'une traduction et celui de la version originale en anglais, la version anglaise prévaudra.
# Accès contrôlé aux actifs avec Amazon SageMaker Assets
Utilisez Amazon SageMaker Assets pour fournir un accès contrôlé et réglementé aux *actifs*, modèles ou tables de données appartenant à votre organisation. Dans SageMaker Assets, les utilisateurs de différents AWS comptes peuvent créer et partager des actifs liés à des problèmes commerciaux spécifiques sans frais d'administration supplémentaires. Au lieu d’avoir des autorisations liées statiquement à leur identité, les utilisateurs peuvent fournir des autorisations aux ressources qu’ils utilisent pour leurs flux de travail actifs.
Les ressources sont des ressources ML ou des ressources de données. Les actifs ML sont des métadonnées qui pointent vers les groupes de SageMaker fonctionnalités Amazon Feature Store ou les groupes de modèles de SageMaker Model Registry. Les actifs de données sont des métadonnées qui pointent vers des tables ou AWS Glue des tables Amazon Redshift.
Par exemple, la ressource pour un groupe de modèles contient le nom du groupe de modèles et l’Amazon Resource Name (ARN) du groupe de packages de modèle. La ressource pointe vers la collection sous-jacente de modèles. La ressource elle-même peut être partagée entre les utilisateurs.
Les utilisateurs peuvent créer des ressources pour leurs propres projets. Ils peuvent les rendre visibles aux utilisateurs qui ne sont pas membres de ces projets. Les utilisateurs qui ne sont pas membres du projet peuvent effectuer des recherches dans les ressources et lire leurs métadonnées. Ils peuvent utiliser ces métadonnées pour déterminer s’ils souhaitent accéder à la source de données sous-jacente.
Pour mieux comprendre le flux de travail relatif aux SageMaker actifs, imaginez que votre organisation compte deux groupes d'utilisateurs, le groupe A et le groupe B. Les utilisateurs du groupe A cherchent à prévoir les prix de l'immobilier. Ils cherchent à collaborer avec les utilisateurs du groupe B qui figurent dans un autre compte AWS . Ils ont des données sur le logement stockées dans AWS Glue des tableaux. Ils ont également différents modèles enregistrés sous forme de packages de modèle au sein d’un groupe de modèles. Avec SageMaker Assets, les utilisateurs du groupe A peuvent partager leurs AWS Glue tables et leurs packages de modèles avec les utilisateurs du groupe B en quelques clics. Sans intervention de l’administrateur, les utilisateurs du groupe A ont fourni des autorisations précisément délimitées aux utilisateurs du groupe B.
Les utilisateurs peuvent créer des ressources et les publier pour les rendre visibles dans l’ensemble de l’organisation. D’autres utilisateurs peuvent demander l’accès à ces ressources.
**Topics**
+ [
# Configuration SageMaker des actifs (guide de l'administrateur)
](sm-assets-set-up.md)
+ [
# Utilisation des ressources (guide de l’utilisateur)
](sm-assets-user-guide.md)
# Configuration SageMaker des actifs (guide de l'administrateur)
**Important**
SageMaker Assets est uniquement disponible dans Amazon SageMaker Studio. Si vous utilisez Amazon SageMaker Studio Classic, vous devez migrer vers Studio. Pour plus d’informations sur Studio et Studio Classic, consultez [Environnements d'apprentissage automatique proposés par Amazon SageMaker AI](machine-learning-environments.md). Pour en savoir plus sur la migration, consultez [Migration depuis Amazon SageMaker Studio Classic](studio-updated-migrate.md).
À mesure que les besoins de l’entreprise évoluent, vos utilisateurs doivent collaborer efficacement pour résoudre les problèmes métier dès qu’ils se présentent. Pour les résoudre, les utilisateurs doivent partager des données et des modèles entre eux.
SageMaker Assets intègre Amazon SageMaker Studio à Amazon DataZone, un service de gestion de données. SageMaker Assets est une plateforme qui permet à vos utilisateurs de partager des modèles et des données entre eux. Vous pouvez utiliser les informations suivantes pour configurer l'intégration entre SageMaker Assets et Amazon DataZone.
Vous créez un DataZone domaine Amazon pour votre secteur d'activité ou votre organisation. Le *domaine* est la fonctionnalité principale d'Amazon DataZone. Toutes les données et tous les modèles de vos utilisateurs existent dans le domaine.
Au sein du DataZone domaine Amazon, un sous-ensemble de vos utilisateurs travaille sur des *projets* spécifiques. Un projet correspond généralement à un problème métier particulier. Dans le cadre du projet, les membres peuvent créer des jeux de données et des modèles. Par défaut, les membres d’un projet ont uniquement accès aux données et aux modèles de ce projet. Ils peuvent fournir l’accès à leurs données et à leurs modèles à d’autres utilisateurs au sein de l’organisation.
Au sein du projet, vous créez des environnements. Pour SageMaker Assets en particulier, un environnement est un ensemble de ressources configurées utilisées pour lancer Amazon SageMaker Studio. Pour plus d'informations sur la terminologie utilisée dans Amazon DataZone, consultez [Terminologie et concepts](https://docs.aws.amazon.com/datazone/latest/userguide/datazone-concepts.html).
**Important**
En fonction de la configuration que vous choisissez, Amazon SageMaker Studio utilise l'une des options suivantes :
Un domaine Amazon SageMaker AI DataZone créé par Amazon dans le cadre de votre environnement d' SageMaker IA.
Votre domaine Amazon SageMaker AI existant que vous migrez vers Amazon DataZone
Vous pouvez accéder à Studio depuis le domaine Amazon SageMaker AI, mais nous vous recommandons d'y accéder depuis le projet que vous avez créé. Pour en savoir plus sur l’accès à Studio, consultez [Utilisation des ressources (guide de l’utilisateur)](sm-assets-user-guide.md).
## Configurer Amazon DataZone avec un nouveau domaine d' SageMaker IA
Suivez les étapes décrites dans la liste suivante et dans la documentation à laquelle elle fait référence pour configurer Amazon DataZone avec un domaine Amazon SageMaker AI qu'il crée.
1. Créez un DataZone domaine Amazon correspondant à l'organisation ou au secteur d'activité de vos utilisateurs. Pour plus d'informations sur la création d'un DataZone domaine Amazon, consultez [Créer des domaines](https://docs.aws.amazon.com/datazone/latest/userguide/create-domain.html).
1. Activez le plan d' SageMaker intelligence artificielle au sein d'Amazon DataZone. Pour plus d'informations sur l'activation du plan SageMaker AI, consultez [Activer les plans intégrés dans le AWS compte propriétaire du domaine Amazon DataZone ](https://docs.aws.amazon.com/datazone/latest/userguide/working-with-blueprints.html#enable-default-blueprints).
1. Créez un projet dans le domaine qui correspond au problème métier que les utilisateurs de votre domaine sont en train de résoudre. Pour en savoir plus sur la création d’un projet, consultez [Création d’un nouveau projet](https://docs.aws.amazon.com/datazone/latest/userguide/create-new-project.html).
1. Créez un profil d'environnement que vous pouvez utiliser comme modèle pour créer des environnements d' SageMaker IA pour vos utilisateurs. Pour en savoir plus sur la création d’un profil d’environnement, consultez [Création d’un profil d’environnement](https://docs.aws.amazon.com/datazone/latest/userguide/create-environment-profile.html).
1. Créez un environnement d' SageMaker IA. Dans le cadre du projet, vos utilisateurs utilisent l'environnement d' SageMaker intelligence artificielle pour lancer Amazon SageMaker Studio. Dans Studio, ils peuvent créer des actifs et utiliser SageMaker des actifs pour les partager. Pour en savoir plus sur la création d’un environnement, consultez [Création d’un nouvel environnement](https://docs.aws.amazon.com/datazone/latest/userguide/create-environment-profile.html).
1. Ajoutez l' SageMaker IA comme l'un des services fiables d'Amazon DataZone. Pour ajouter l' SageMaker IA comme l'un des services, consultez la section [Ajouter l' SageMaker IA en tant que service de confiance dans le AWS compte propriétaire du DataZone domaine Amazon](https://docs.aws.amazon.com/datazone/latest/userguide/working-with-blueprints.html#add-sagemaker-as-trusted-service).
## Configurer Amazon DataZone avec votre domaine SageMaker AI
Suivez les étapes de la liste suivante et la documentation à laquelle elle fait référence pour configurer Amazon DataZone avec un domaine Amazon SageMaker AI existant.
1. Créez un DataZone domaine Amazon correspondant à l'organisation ou au secteur d'activité de vos utilisateurs. Pour plus d'informations sur la création d'un DataZone domaine Amazon, consultez [Créer des domaines](https://docs.aws.amazon.com/datazone/latest/userguide/create-domain.html).
1. Activez le plan d' SageMaker intelligence artificielle au sein d'Amazon DataZone. Pour plus d'informations sur l'activation d'un plan personnalisé, consultez les [plans de AWS service DataZone personnalisés Amazon](https://docs.aws.amazon.com/datazone/latest/userguide/working-with-custom-blueprint.html).
1. Créez un projet dans le domaine qui correspond au problème métier que les utilisateurs de votre domaine sont en train de résoudre. Pour en savoir plus sur la création d’un projet, consultez [Création d’un nouveau projet](https://docs.aws.amazon.com/datazone/latest/userguide/create-new-project.html).
1. Activez l' SageMaker IA comme l'un des services fiables d'Amazon DataZone. Pour activer l' SageMaker IA comme l'un des services, consultez [Ajouter Amazon SageMaker AI en tant que service de confiance dans le AWS compte propriétaire du DataZone domaine Amazon](https://docs.aws.amazon.com/datazone/latest/userguide/working-with-blueprints.html#add-sagemaker-as-trusted-service).
1. Créez des DataZone utilisateurs Amazon dans le domaine SageMaker AI.
1. Intégrez les utilisateurs existants au DataZone domaine Amazon.
**Note**
Si vos utilisateurs d' SageMaker IA sont SSO et que votre DataZone domaine Amazon est SSO, vous pouvez automatiquement mapper les utilisateurs du domaine Amazon SageMaker AI au domaine Amazon DataZone.
Pour intégrer les utilisateurs SageMaker IA existants, exécutez le script [Amazon DataZone Import SageMaker AI Domain](https://github.com/aws/amazon-sagemaker-examples/tree/default/%20%20%20ml_ops/sm-datazone_import) dans votre environnement. Vous devez transmettre le nom Région AWS et l'identifiant de AWS compte de votre domaine Amazon SageMaker AI comme arguments. Voici un exemple de AWS CLI commande qui exécute le script.
```
python example-script Région AWS 111122223333
```
Le script effectue les opérations suivantes :
1. Vous demande votre identifiant de domaine Amazon SageMaker AI.
1. Vous demande votre identifiant de DataZone domaine Amazon.
1. Vous demande votre DataZone projet Amazon.
1. Il vous invite à spécifier les utilisateurs que vous importez.
1. Ajoute des balises à vos utilisateurs et au domaine Amazon SageMaker AI.
1. Associez vos DataZone utilisateurs Amazon à vos profils d'utilisateurs SageMaker IA. Pour chaque profil utilisateur SageMaker AI, le script vous demandera un nom DataZone d'utilisateur Amazon. Vous pouvez modifier le script en fonction de votre propre cas d’utilisation.
1. Attribue un rôle de fédération à l'environnement, afin qu'Amazon DataZone puisse accéder à votre domaine de domaine Amazon SageMaker AI et le migrer.
Le script passe en revue chaque utilisateur du domaine Amazon SageMaker AI et vous invite à spécifier l'utilisateur correspondant dans le DataZone domaine Amazon. Il ajoute automatiquement des balises pour l'utilisateur du DataZone domaine Amazon aux utilisateurs du domaine SageMaker AI correspondant. Il met également à jour le plan d’environnement personnalisé avec le mappage entre les utilisateurs de chaque domaine.
**Note**
L'environnement d' SageMaker IA utilise la dernière version de l'image de SageMaker distribution. SageMaker AI Distribution Images propose des packages de bibliothèques populaires pour l'apprentissage automatique. Pour de plus amples informations, veuillez consulter [SageMaker Politique de prise en charge des images de studio](sagemaker-distribution.md).
Après avoir créé l'environnement, vous pouvez créer des tables AWS Glue et des bases de données Amazon Redshift. Pour plus d’informations, consultez [Interrogation de données dans Athena ou Amazon Redshift](https://docs.aws.amazon.com/datazone/latest/userguide/query-athena-with-deep-link-in-project.html).
## Visualisation et modification des autorisations de vos utilisateurs
Après avoir créé un environnement d' SageMaker IA, vous pouvez modifier les autorisations de vos utilisateurs en fonction des besoins de votre organisation. Le plan d' SageMaker IA spécifie les autorisations pour tous vos utilisateurs. Ils peuvent effectuer des actions avec tous les services d' SageMaker IA, mais les autorisations sont limitées aux ressources créées dans le DataZone domaine Amazon.
**Important**
L’environnement que vous créez utilise une limite des autorisations et un rôle IAM doté d’autorisations limitées. Pour modifier les autorisations de vos utilisateurs, vous pouvez modifier ou remplacer la limite des autorisations. Par exemple, vous pouvez modifier la limite des autorisations si vos utilisateurs ont besoin d’accéder à une ressource telle qu’un compartiment Amazon S3 créé dans l’environnement.
Vous pouvez consulter les autorisations dans l'ARN du rôle IAM utilisé pour créer le domaine SageMaker AI.
Utilisez la procédure suivante pour visualiser ou modifier les autorisations du rôle IAM de vos utilisateurs.
**Pour visualiser ou modifier les autorisations de vos utilisateurs**
1. Ouvrez la [console Amazon SageMaker AI](https://console.aws.amazon.com/sagemaker).
1. Choisissez **Domaines**.
1. Choisissez le nom du domaine qui porte le même nom que votre DataZone domaine Amazon.
1. Choisissez **Paramètres du domaine**.
1. Sous **Rôle d’exécution**, copiez l’ARN du rôle d’exécution.
1. Ouvrez la [console IAM](https://console.aws.amazon.com/IAM).
1. Sélectionnez **Rôles**.
1. Collez l’ARN et supprimez tout sauf le nom du rôle après la dernière barre oblique.
1. Choisissez le rôle pour visualiser les autorisations.
1. Sous **Autorisations**, modifiez les politiques en fonction des besoins de votre organisation.
1. (Facultatif) Sélectionnez **Limite des autorisations**, puis choisissez **Définir la limite des autorisations**.
1. Sélectionnez une politique à définir comme limite des autorisations.
# Utilisation des ressources (guide de l’utilisateur)
Utilisez SageMaker Assets pour collaborer facilement sur des projets d'apprentissage automatique avec d'autres personnes de votre organisation. Avec SageMaker Assets, vous et vos collaborateurs créez et partagez des modèles et des tables de données entre vous. Dans SageMaker Assets, ces modèles et tables de données sont appelés *actifs*.
SageMaker Assets est une fonctionnalité d'Amazon SageMaker Studio. Vous ou votre administrateur créez un environnement Studio au sein d'un DataZone projet Amazon. Pour plus d'informations sur la configuration d'Amazon DataZone, consultez[Configuration SageMaker des actifs (guide de l'administrateur)](sm-assets-set-up.md).
Les ressources sont des ressources ML ou des ressources de données. Les ressources ML sont des métadonnées qui pointent vers les éléments suivants :
+ Groupes de caractéristiques Feature Store
+ SageMaker Groupes de modèles d'IA
Les groupes de modèles et les groupes de caractéristiques sous-jacents sont les sources des données. Si vous mettez à jour un groupe de caractéristiques ou un groupe de modèles, la ressource associée au groupe de modèles ou au groupe de caractéristiques est mise à jour dans la journée.
Les ressources de données sont des métadonnées qui pointent vers les éléments suivants :
+ Tables Amazon Redshift
+ AWS Glue tables
Pour les ressources de données, la source de données est le mécanisme qui extrait les métadonnées des tables AWS Glue et des tables Amazon Redshift pour les placer dans la ressource. Par exemple, une source de données extrait les métadonnées d'une AWS Glue table dans la ressource associée à cette table.
Vous pouvez rendre une ressource visible par tous les membres de votre organisation en la publiant. Les utilisateurs individuels peuvent visualiser les métadonnées figurant dans la ressource et en demander l’accès. Si vous leur accordez cet accès, ils obtiennent l’accès à la source de données ou à la table de machine learning sous-jacente.
Votre administrateur vous a probablement donné accès aux groupes de caractéristiques, aux groupes de modèles et aux tables. Si ce n’est pas le cas, consultez les informations dans [Configuration SageMaker des actifs (guide de l'administrateur)](sm-assets-set-up.md) qui vous aideront à démarrer.
Les sections suivantes fournissent des informations de référence sur les groupes de caractéristiques et les groupes de modèles.
## Groupes de caractéristiques
Amazon SageMaker Feature Store fournit un emplacement centralisé pour vous aider à stocker et à gérer vos fonctionnalités. Il s’agit d’un référentiel très performant que vous pouvez utiliser pour l’ingénierie des caractéristiques.
Dans Feature Store, les caractéristiques sont stockées dans un groupe de caractéristiques. Un groupe de caractéristiques désigne une collection de caractéristiques associées à un projet sur lequel vous travaillez. Par exemple, si vous travaillez sur un projet de prédiction des prix des logements, un groupe de caractéristiques peut inclure des caractéristiques telles que l’emplacement ou le nombre de chambres.
Pour plus d’informations sur la manière dont vous pouvez utiliser les groupes de caractéristiques pour rationaliser le processus d’ingénierie des caractéristiques, consultez [Création, stockage et partage de caractéristiques avec Feature Store](feature-store.md).
## Groupes de modèles
Vous pouvez utiliser les groupes de modèles d' SageMaker IA au sein du SageMaker Model Registry pour organiser et gérer les différentes versions de vos modèles. Vous pouvez comparer les différentes versions des modèles pour déterminer celle qui convient le mieux à votre cas d’utilisation. Pour plus d'informations sur le SageMaker Model Registry, consultez[Déploiement de l’enregistrement de modèles à l’aide du registre de modèles](model-registry.md).
Vous trouverez ci-dessous des informations contextuelles sur Amazon Redshift et AWS Glue.
Amazon Redshift est un service d’entreposage de données à grande échelle qui fournit des performances de requête rapides sur de grands jeux de données. Pour plus d’informations sur Amazon Redshift, consultez [Amazon Redshift sans serveur](https://docs.aws.amazon.com/redshift/latest/gsg/new-user-serverless.html).
AWS Glue est un service d'extraction, de transformation et de chargement (ETL) que vous pouvez utiliser pour simplifier le processus de préparation des données. Pour plus d'informations AWS Glue, voir [Qu'est-ce que c'est AWS Glue ?](https://docs.aws.amazon.com/glue/latest/dg/what-is-glue.html)
Vous pouvez utiliser l'éditeur SQL pour connecter AWS Glue des bases de données Amazon Redshift et exécuter des requêtes. Vous pouvez partager toutes les tables que vous créez dans l'éditeur dans SageMaker Assets. Pour de plus amples informations, veuillez consulter [Préparation des données avec SQL dans Studio](sagemaker-sql-extension.md).
**Topics**
+ [
## Terminologie et concepts
](#sm-assets-terminology)
+ [
## Étape 1 : Accès aux SageMaker actifs
](#sm-assets-access)
+ [
## Étape 2 : Partage des ressources et gestion de leur accès
](#sm-assets-share)
+ [
## Étape 3 : Gestion des demandes d’accès
](#sm-assets-manage-requests)
+ [
## Étape 4 : Recherche de ressources et demande d’accès à ces ressources
](#sm-assets-request-access)
+ [
## Étape 5 : Utilisation d’une ressource partagée dans vos flux de travail de machine learning
](#sm-assets-consume)
## Terminologie et concepts
Avant de commencer à utiliser SageMaker Assets, il est utile de vous familiariser avec la terminologie et les concepts suivants :
+ Ressource : métadonnées qui pointent vers les modèles ou les tables de données que vous partagez. Vous pouvez demander l’accès à une ressource appartenant à quelqu’un d’autre ou partager votre ressource avec d’autres personnes. Vous et les membres de votre équipe accédez à la ressource et au modèle ou à la table de données sous-jacent(e) qui lui est associé(e).
+ Ressources abonnées : pour demander l’accès à une ressource, vous devez soumettre une demande d’abonnement. Si votre demande est approuvée, la ressource apparaît sous les ressources que vous avez souscrites.
+ Ressources détenues : les ressources que vous avez partagées avec vos collègues.
+ Catalogue de ressources : les ressources que vous avez partagées au sein de votre organisation.
## Étape 1 : Accès aux SageMaker actifs
Accédez aux SageMaker actifs pour consulter vos actifs et les partager avec d'autres personnes. Utilisez les informations suivantes pour commencer à les utiliser.
Vous accédez à SageMaker Assets depuis un *projet* au sein d'un DataZone domaine Amazon. Un projet est une collaboration entre vous et les membres de votre équipe. Au sein de ce projet, vous et les autres membres de votre projet avez accès aux ressources que vous et les autres membres de votre équipe créez dans le catalogue d’inventaire. Vous pouvez publier les ressources dans le catalogue publié pour les rendre visibles aux autres membres de votre organisation.
Ces personnes peuvent demander l’accès à votre ressource. Si vous leur fournissez cet accès, ils peuvent accéder à la source de données mise à jour. Par exemple, si une personne s'abonne à une AWS Glue table que vous mettez à jour, elle peut accéder à la AWS Glue table mise à jour en temps réel.
Pour accéder aux SageMaker ressources, procédez comme suit.
**Pour accéder aux SageMaker actifs**
1. Ouvrez la DataZone console [Amazon](https://console.aws.amazon.com/datazone).
1. Choisissez **Afficher les domaines**.
1. À côté du domaine contenant votre projet, choisissez **Portail de données ouvertes**.
1. Sous **Outils d'analyse**, choisissez **SageMaker AI Studio**.
1. Choisissez **Open Amazon SageMaker AI**.
1. Choisissez **Assets**.
Les ressources qui ont été partagées avec vous se trouvent sous **Ressources abonnées**. Les ressources que vous et les membres de votre projet créez se trouvent sous **Ressources détenues**. Les ressources que vous et les autres membres de votre organisation avez publiées figurent dans le **catalogue des ressources**.
## Étape 2 : Partage des ressources et gestion de leur accès
Après avoir créé des modèles de machine learning, des groupes de caractéristiques ou des tables de données, vous pouvez les rendre visibles aux personnes qui collaborent avec vous sur votre projet ou, plus largement, dans votre organisation. Vous pouvez répondre aux demandes d’accès à la ressource. Si vous approuvez la demande d’un utilisateur, celui-ci peut modifier la source de données sous-jacente de la ressource.
Lorsque vous partagez une ressource, deux options s’offrent à vous :
+ Publier dans le catalogue des ressources : rendez la ressource visible à tous dans votre organisation.
+ Publier dans l’inventaire : rendez la ressource visible à tous ceux qui travaillent sur votre projet.
Si vous avez publié votre ressource dans le catalogue des ressources, les membres de votre organisation peuvent le trouver dans le catalogue des ressources. Ils peuvent visualiser les métadonnées de votre ressource et décider s’ils souhaitent en demander l’accès. Si vous approuvez leur demande, ils obtiennent l’accès à la source de données sous-jacente.
Si vous publiez dans l’inventaire, vous et les autres membres de votre projet pouvez accéder à la ressource sans aucune action supplémentaire.
Les ressources publiées dans l’inventaire apparaissent uniquement sous **Ressources détenues**. Les ressources publiées dans le catalogue apparaissent sous **Ressources détenues** et **Catalogue des ressources**.
Lorsque vous publiez une table de données, vous devez créer une source de données qui extrait les métadonnées de la AWS Glue table sous-jacente ou de la table Amazon Redshift vers la ressource. Utilisez les procédures suivantes pour publier une table AWS Glue ou une table Amazon Redshift.
------
#### [ Publish an AWS Glue table ]
Pour publier un actif pour une AWS Glue table, vous devez créer une source de données pour celui-ci et le publier. Une source de données est le mécanisme qui extrait les métadonnées de la AWS Glue table vers la ressource.
Pour publier un AWS Glue tableau, procédez comme suit.
**Pour publier un AWS Glue tableau**
1. Accédez à la page **SageMaker d'accueil des actifs**.
1. Sélectionnez **Ressources détenues**.
1. Choisissez **Afficher les sources de données**.
1. Choisissez **Create data source**.
1. Pour **Nom**, spécifiez un nom pour la source de données.
1. Pour **Description**, fournissez une description.
1. Pour **Type**, sélectionnez **AWS Glue**.
1. Pour la **sélection des données**, sélectionnez la base de données contenant la AWS Glue table.
1. Pour **Critères de sélection des tables**, spécifiez le nom de la table.
**Note**
Même si vous pouvez spécifier plusieurs tables, nous vous conseillons vivement de fournir un seul nom de table.
1. Choisissez **Suivant**.
1.
+ Pour **Publier une ressource dans le catalogue**, sélectionnez **Oui** pour publier dans le catalogue des ressources.
+ Pour **Publier une ressource dans le catalogue**, sélectionnez **Non** pour publier dans le catalogue des ressources.
1. Choisissez **Suivant**.
1. Sous **Détails de ressource**, choisissez **Exécuter selon une planification** ou **Exécuter à la demande** pour déterminer comment les métadonnées de la table AWS Glue sont extraites et placées dans la ressource.
1. (Facultatif) Si vous choisissez **Exécuter selon une planification**, spécifiez la planification qui extrait les métadonnées et les place dans la ressource.
1. Choisissez **Suivant**.
1. Choisissez **Créer**.
1. (Facultatif) Si vous n’avez pas créé de planification, choisissez **Exécuter** pour déplacer les métadonnées de la table AWS Glue vers la ressource.
------
#### [ Publish an Amazon Redshift table ]
Pour publier une ressource pour une table Amazon Redshift, vous devez créer une source de données pour celle-ci et la publier. Une source de données est le mécanisme qui extrait les métadonnées de la table Amazon Redshift pour les placer dans la ressource.
Utilisez la procédure suivante pour publier une table Amazon Redshift.
**Pour publier une table Amazon Redshift**
1. Accédez à la page **SageMaker d'accueil des actifs**.
1. Sélectionnez **Ressources détenues**.
1. Choisissez **Afficher les sources de données**.
1. Choisissez **Create data source**.
1. Pour **Nom**, spécifiez un nom pour la source de données.
1. Pour **Description**, fournissez une description.
1. Pour **Type**, sélectionnez **Amazon Redshift**.
1.
+ Sélectionnez **Cluster Redshift**.
1. Pour **Cluster Redshift**, spécifiez le nom du cluster Amazon Redshift contenant la base de données pour la table.
1. Pour **Secret**, spécifiez le nom du AWS Secrets Manager secret contenant les informations d'identification du cluster.
+ Sélectionnez **Redshift sans serveur**.
1. Pour **Groupe de travail Redshift**, spécifiez le nom du groupe de travail Amazon Redshift contenant la base de données pour la table.
1. Pour **Secret**, spécifiez le nom du AWS Secrets Manager secret contenant les informations d'identification du groupe de travail.
1. Pour **Sélection de la source de publication**, sélectionnez la base de données contenant la table Amazon Redshift.
1. Pour **Critères de sélection des tables**, spécifiez le nom de la table.
**Note**
Même si vous pouvez spécifier plusieurs tables, nous vous conseillons vivement de fournir un seul nom de table.
1. Choisissez **Suivant**.
1.
+ Pour **Publier une ressource dans le catalogue**, sélectionnez **Oui** pour publier dans le catalogue des ressources.
+ Pour **Publier une ressource dans le catalogue**, sélectionnez **Non** pour publier dans le catalogue des ressources.
1. Choisissez **Suivant**.
1. Sous **Détails de ressource**, choisissez **Exécuter selon une planification** ou **Exécuter à la demande** pour déterminer comment les métadonnées de la table Amazon Redshift sont extraites et placées dans la ressource.
1. (Facultatif) Si vous choisissez **Exécuter selon une planification**, spécifiez la planification qui extrait les métadonnées et les place dans la ressource.
1. Choisissez **Suivant**.
1. Choisissez **Créer**.
1. (Facultatif) Si vous n’avez pas créé de planification, choisissez **Exécuter** pour déplacer les métadonnées de la table Amazon Redshift vers la ressource.
------
Utilisez les procédures suivantes pour publier une ressource pour un groupe de caractéristiques ou un groupe de packages de modèle.
------
#### [ Publish a feature group ]
Utilisez la procédure suivante pour accéder à un groupe de caractéristiques que vous avez créé et le publier dans vos ressources détenues ou dans le catalogue des ressources.
**Pour publier le groupe de caractéristiques dans vos ressources détenues ou dans le catalogue des ressources**
1. Dans Studio, sélectionnez **Données** dans le menu de navigation de gauche.
1. Sélectionnez le groupe de caractéristiques que vous publiez.
1. Choisissez l’icône ![\[\]](http://docs.aws.amazon.com/fr_fr/sagemaker/latest/dg/images/sm-assets-publish-icon.png).
1.
+ Sélectionnez **Publier dans le catalogue des ressources** pour publier dans le catalogue des ressources.
+ Sélectionnez **Publier dans l’inventaire** pour publier dans les ressources détenues de votre groupe.
------
#### [ Publish a model group ]
Utilisez la procédure suivante pour accéder à un groupe de modèles que vous avez créé et le publier dans vos ressources détenues ou dans le catalogue des ressources.
**Pour publier le groupe de modèles dans vos ressources détenues ou dans le catalogue des ressources**
1. Dans Studio, sélectionnez **Modèles** dans le menu de navigation de gauche.
1. Sélectionnez le groupe de modèles que vous publiez.
1. Choisissez l’icône ![\[\]](http://docs.aws.amazon.com/fr_fr/sagemaker/latest/dg/images/sm-assets-publish-icon.png).
1.
+ Sélectionnez **Publier dans le catalogue des ressources** pour publier dans le catalogue des ressources.
+ Sélectionnez **Publier dans l’inventaire** pour publier dans les ressources détenues de votre groupe.
------
Utilisez la procédure suivante pour publier une ressource à partir de vos ressources détenues dans le catalogue des ressources.
**Pour publier un actif depuis la page SageMaker Ressources**
1. Dans Studio, accédez à **Ressources**.
1. Sélectionnez **Ressources détenues**.
1. Spécifiez le nom de votre ressource dans la barre de recherche.
1. Choisissez la ressource.
1. Choisissez **Publier**.
Vous pouvez utiliser le code du SDK SageMaker Python suivant pour publier un groupe de fonctionnalités ou un groupe de packages de modèles. Le code part du principe que vous avez déjà créé le groupe de caractéristiques ou le groupe de packages de modèle.
```
from sagemaker.asset import AssetManager
publisher = AssetPublisher()
publisher.publish_to_catalog(name-of-your-feature-group-or-model-package)
```
## Étape 3 : Gestion des demandes d’accès
Une fois que vous avez publié une ressource, des utilisateurs extérieurs à votre projet souhaiteront peut-être y accéder. Vous pouvez fournir, rejeter ou révoquer des demandes d’accès. Vous pouvez également supprimer des ressources pour que la source de données sous-jacente ne soit disponible que pour vous-même.
Utilisez la procédure suivante pour répondre aux demandes d’abonnement.
**Pour approuver les demandes d’abonnement**
1. Accédez à la page **SageMaker Ressources**.
1. Choisissez **Gérer les ressources**.
1. Sélectionnez **Demandes d’abonnement entrantes**.
1.
+ (Facultatif) Choisissez **Approuver** et indiquez le motif.
+ (Facultatif) Choisissez **Rejeter**.
Vous pouvez révoquer un accès à une ressource que vous avez précédemment approuvé. Si vous choisissez de révoquer un accès, les utilisateurs perdent l’accès à la fois à la ressource et à la source sous-jacente de la ressource. Utilisez la procédure suivante pour révoquer un accès.
**Pour révoquer un accès**
1. Accédez à la page **SageMaker Ressources**.
1. Choisissez **Gérer les ressources**.
1. Sélectionnez **Demandes d’abonnement entrantes**.
1. Sélectionnez l’onglet **Approuvé**.
1. Choisissez **Révoquer** à côté de la ressource.
Vous pouvez également annuler la publication de ressources pour qu’elles apparaissent uniquement en tant que ressources détenues. Les ressources ne seront pas visibles dans le catalogue des ressources, mais les personnes dont vous avez approuvé les demandes d’abonnement pourront toujours y accéder.
**Pour annuler la publication d’une ressource**
1. Accédez à la page **SageMaker Ressources**.
1. Sous **Ressources détenues**, sélectionnez la ressource dont vous souhaitez annuler la publication.
1. Choisissez **Unpublish** (Annuler la publication).
Vous pouvez également supprimer des ressources depuis la même page où vous annulez leur publication. La suppression d’une ressource n’entraîne pas la suppression de la source des données. La suppression d’une ressource ne fait que la rendre invisible aux autres membres de votre projet ou de votre organisation.
## Étape 4 : Recherche de ressources et demande d’accès à ces ressources
Vous pouvez demander l’accès aux ressources que d’autres utilisateurs ont publiées dans le catalogue des ressources. S’ils approuvent la demande d’abonnement, vous obtenez l’accès à la source sous-jacente des données.
En haut de la page SageMaker Ressources, vous pouvez définir une requête de recherche pour trouver les ressources publiées par d'autres utilisateurs de votre organisation. Vous pouvez également sélectionner un type de ressource pour visualiser toutes les ressources publiées de ce type. Par exemple, vous pouvez sélectionner **Table Glue** pour visualiser toutes les tables AWS Glue publiées.
Vous pouvez également afficher le type de ressource directement sous le nom de la ressource. Voici les noms disponibles pour les types de ressources :
+ Table Redshift
+ Table Glue
+ Modèles
+ Groupe de caractéristiques
**Note**
Les groupes de caractéristiques des magasins suivants ont le type **Table Glue** :
Hors connexion
Hors connexion et en ligne
**Pour effectuer une demande d’abonnement**
1. Accédez à la page **SageMaker Ressources**.
1.
+ Dans la barre de recherche, spécifiez le nom de la ressource et choisissez **Rechercher**.
+ Pour **Types**, sélectionnez le type de ressource et recherchez une ressource à laquelle vous accédez dans le catalogue des ressources.
1. Choisissez la ressource.
1. Choisissez **Abonner**.
1. Indiquez le motif de la demande.
1. Sélectionnez **Soumettre**.
Votre demande d’abonnement apparaît sous **Demandes d’abonnement sortantes**, sous **Gérer les demandes de ressources**. Si le diffuseur de publication de la ressource approuve votre demande, elle apparaît sous **Ressources abonnées**. Vous pouvez désormais utiliser la source de données Amazon Redshift, AWS Glue table ou ML dans vos flux de travail d'apprentissage automatique.
## Étape 5 : Utilisation d’une ressource partagée dans vos flux de travail de machine learning
Si votre demande d’abonnement à une ressource est approuvée, vous pouvez l’utiliser dans vos flux de travail de machine learning.
Les groupes de caractéristiques auxquels vous avez obtenu l’accès apparaissent dans votre liste de groupes de caractéristiques dans Studio.
Les groupes de modèles auxquels vous avez obtenu l’accès apparaissent dans votre liste de groupes de modèles dans Studio. Vous pouvez ouvrir votre groupe de modèles dans le registre des modèles depuis SageMaker Assets. Utilisez la procédure suivante pour ouvrir le groupe de modèles dans le registre de modèles. **Ressources abonnées**.
**Pour ouvrir un groupe de modèles depuis SageMaker Assets**
1. Sélectionnez le groupe de modèles.
1. Choisissez **Ouverture dans le registre des modèles**.
Vous pouvez accéder aux AWS Glue tables Amazon Redshift dans Data Wrangler dans Canvas. SageMaker SageMaker Canvas est une application qui permet d'effectuer une analyse exploratoire des données (EDA) et d'entraîner des modèles sans code. Pour plus d'informations sur SageMaker Canvas, consultez[Amazon SageMaker Canvas](canvas.md).
Vous pouvez également importer les données de vos tables AWS Glue ou d'Amazon Redshift dans vos blocs-notes Jupyter à l'aide de l'extension SQL. Vous pouvez convertir vos données en dataframes Pandas pour vos flux de travail de machine learning. Pour de plus amples informations, veuillez consulter [Préparation des données avec SQL dans Studio](sagemaker-sql-extension.md).