Amazon SageMaker Studio ofrece una interfaz visual basada en la web donde diferentes usuarios, como científicos de datos, ingenieros de aprendizaje automático (ML) y desarrolladores, pueden construir, entrenar, depurar, desplegar y monitorear sus modelos de ML. Estos usuarios dependen del acceso a los datos en Amazon Simple Storage Service (Amazon S3) para tareas como la extracción de datos para el entrenamiento de modelos, el registro de métricas de entrenamiento y el almacenamiento de artefactos de modelos después del entrenamiento. Por ejemplo, los científicos de datos necesitan acceso a los conjuntos de datos almacenados en Amazon S3 para tareas como la exploración de datos y el entrenamiento de modelos. Los ingenieros de ML requieren acceso a artefactos de modelos intermedios almacenados en Amazon S3 a partir de trabajos de entrenamiento anteriores. Tradicionalmente, el acceso a los datos en Amazon S3 desde SageMaker Studio se proporciona a través de roles configurados en SageMaker Studio, ya sea a nivel de dominio o de perfil de usuario. El rol de dominio de SageMaker Studio otorga permisos para que el dominio de SageMaker Studio interactúe con otros servicios de AWS, proporcionando acceso a los datos en Amazon S3 para todos los usuarios de ese dominio. Si no se crean roles de perfil de usuario específicos, este rol se aplicará a todos los perfiles de usuario, otorgando privilegios de acceso uniformes en todo el dominio. Sin embargo, si diferentes usuarios ...