Amazon SageMaker 通过整合专门为机器学习 (ML) 构建的广泛功能集，帮助数据科学家和开发人员快速准备、构建、训练和部署高质量的机器学习模型。
AWS 历史上增长最快的服务之一
Amazon SageMaker 建立在 Amazon 二十年来开发现实世界机器学习应用程序的经验之上，这些应用程序包括产品推荐、个性化、智能购物、机器人技术和语音辅助设备。
10 倍
团队生产效率提升幅度
90%
使用 Spot 训练的成本降幅
75%
推理成本降幅
54%
70%
198
22
最全面的 ML 服务
使用专用工具为机器学习开发的每个步骤加速创新，包括标签、数据准备、功能工程、统计偏差检测、自动机器学习、训练、调优、托管、可解释性、监控和工作流。
免费开始使用 Amazon SageMaker
免费开始使用 Amazon SageMaker
Amazon SageMaker Studio 笔记本、按需笔记本实例
Amazon SageMaker Data Wrangler
Amazon SageMaker Feature Store
培训
推理
免费套餐前 2 个月的每个月使用情况
Studio 笔记本上的 250 个小时 ml.t3.medium 实例，或者按需笔记本实例上的 250 个小时 ml.t2 medium 实例或 ml.t3.medium 实例
25 个小时 ml.m5.4xlarge 实例
1 千万个写入单位、1 千万个读取单位、25 GB 存储
50 个小时 m4.xlarge 或 m5.xlarge 实例
125 个小时 m4.xlarge 或 m5.xlarge 实例
Amazon SageMaker JumpStart 入门
Amazon SageMaker 是一种机器学习服务，您可以使用它为几乎任何使用案例构建、训练和部署 ML 模型。有关快速的技术介绍，请参见 SageMaker 分步指南。为了帮助您上手 ML 项目，Amazon SageMaker JumpStart 针对最常见的使用案例提供了一套预构建解决方案，您只需单击几下即可部署。这些解决方案完全可定制，因此您可以对其进行修改，以适合特定使用案例和数据集的需求。
工作原理
-
概览
-
详细信息
-
概览
-
-
详细信息
-
SageMaker 的功能 说明 自动模型调优 超参数优化 内置和自带算法 数十种优化算法或使用您自己的算法 分布式训练库 - 新增功能
训练大型数据集和模型 Kubernetes 与 Kubeflow 集成 简化基于 Kubernetes 的机器学习 本地模式 在本地计算机上测试和构建原型 托管型 Spot 训练 降低 90％ 的培训成本 多模型终端节点 通过在每个实例中托管多个模型来降低成本 一键式部署 全面托管、超低延迟、高吞吐量 一键式训练 分布式基础设施管理 SageMaker Autopilot 自动创建机器学习模型并保持完全可见性 SageMaker Clarify - 全新推出
检测偏差并了解模型预测 SageMaker Data Wrangler - 全新推出 为机器学习汇总和准备数据 SageMaker 调试程序 调试与分析训练运行 SageMaker Edge Manager - 全新推出 管理和监控边缘设备上的模型
SageMaker Experiments 捕获、组织和比较每个步骤 SageMaker Feature Store - 全新推出 存储、更新、检索和共享功能 SageMaker Ground Truth 标记用于机器学习的训练数据 SageMaker JumpStart - 全新推出 针对常见用例的预构建解决方案 SageMaker Model Monitor 保持部署模型的准确性 SageMaker Pipelines - 全新推出 工作流编排和自动化 SageMaker Processing 内置 Python、BYO R/Spark SageMaker Studio 适用于 ML 的集成开发环境 (IDE) SageMaker Studio Notebooks 具有弹性计算和共享功能的 Jupyter 笔记本
准备数据以及构建、训练和部署 ML 模型的关键功能
使用首个完全集成的 ML 开发环境 (IDE) 提高工作效率
Amazon SageMaker Studio 提供基于 Web 的统一可视化界面，让您可以轻松执行准备、构建、训练和部署模型所需的所有 ML 开发步骤，您将拥有。
最多可节省 70% 的数据标记成本
Amazon SageMaker Ground Truth 使您可以更轻松地为各种使用案例（包括 3D 点云、视频、图像和文本）更准确地标记训练数据集。
准备 ML 数据的最快、最简单的方法
Amazon SageMaker Data Wrangler 可将准备 ML 数据所需的时间从数周缩短至几分钟。只需单击几下，您就可以完成数据准备工作流的每个步骤，包括数据选择、清理、浏览和可视化。
ML 专用功能库
Amazon SageMaker Feature Store 提供一个存储库，用于存储、更新、检索和共享 ML 功能。SageMaker Feature Store 为 ML 模型提供一个一致的功能视图，使得生成高度准确预测的模型容易很多。
生产中适用于 ML 的基本功能
自动化机器学习工作流
Amazon SageMaker Pipelines 是首个专为机器学习构建的、易用的持续集成和持续交付 (CI/CD) 服务。可以在团队之间共享和重复使用工作流。
检测偏见并了解预测
Amazon SageMaker Clarify 在 ML工作流中提供偏差检测，使您能够在 ML 模型中建立更大的公平性和透明度。SageMaker Clarify 还包含功能重要性图形，可帮助您解释模型做出相关预测的原因，并生成用于支持内部演示或识别模型问题的报告，以便您采取措施纠正相应问题。
在 ML 生命周期中保护您的数据和代码
Amazon SageMaker 提供了一套全面的安全功能，包括加密、专用网络连接、授权、身份验证、监控和可审核性，帮助您的组织满足适用于机器学习工作负载的安全要求。
生产中适用于 ML 的基本功能
自动化机器学习工作流
Amazon SageMaker Pipelines 是首个专为机器学习构建的、易用的持续集成和持续交付 (CI/CD) 服务。可以在团队之间共享和重复使用工作流。
提高透明度
Amazon SageMaker Clarify 在 ML工作流中提供偏差检测，使您能够在 ML 模型中建立更大的公平性和透明度。SageMaker Clarify 还包含功能重要性图形，可帮助您解释模型做出相关预测的原因，并生成用于支持内部演示或识别模型问题的报告，以便您采取措施纠正相应问题。
在 ML 生命周期中保护您的数据和代码
Amazon SageMaker 提供了一套全面的安全功能，包括加密、专用网络连接、授权、身份验证、监控和可审核性，帮助您的组织满足适用于机器学习工作负载的安全要求。
