实现机器学习开发流程的现代化

在降低成本的同时大规模加速机器学习创新

从自然语言处理和计算机视觉,到欺诈侦测、需求预测、产品推荐、预防性维护和文档处理,机器学习(ML)已经成为多种使用案例的核心技术成分之一。要大规模利用机器学习的优势,需要在整个企业通过现代化的 ML 开发流程实现标准化。实现 ML 开发流程的现代化可以提供可扩展的基础设施、集成式工具,遵循负责任使用 ML 的健康实践,为具有各种 ML 能力水平的开发人员和数据科学家提供多种方便易用的工具,并通过高效的资源管理来保持低成本,从而加快您的创新步伐。 

使用 Amazon SageMaker 实现机器学习开发流程的现代化(1:45)

优势

加速 ML 创新

加速 ML 创新

将 ML 模型开发时间从数月缩短至数周,并更快将模型推向市场。在 ML 开发过程的每一个步骤都使用专用工具,从而提高数据科学家的生产率。利用机器学习运维(MLOps)来扩展模型开发,从而实现自动化的 ML 流程。 

1061357610

促进对 ML 的负责任使用

检测整个 ML 工作流的偏向,以提高模型的公平性和透明性。利用全面的 AWS 安全性和治理功能,帮助企业满足可能适用于 ML 工作负载的安全性要求。 

1248161455

任何 ML 技能水平都能创新

让您的开发人员和数据科学家可以按照自己喜欢的方式开发 ML 模型。可让数据科学家在集成开发环境中编写代码,自动构建 ML 模型,或者只需几次点击即可为常见的使用案例部署预先构建的解决方案。

降低成本

降低成本

通过自动优化基础设施并提高资源利用率,与自行管理的方案相比可将总体拥有成本降低超过 54%。 

客户案例

Lyft

Lyft Level 5 是 Lyft 的自动驾驶汽车部门,在 Amazon SageMaker 上实现训练的标准化,并将模型训练时间从几天缩短到几小时。 

阅读博客以了解详情 »

德甲联赛

借助 Amazon SageMaker Clarify,Deutsche Fußball Liga(DFL)GmbH 得以了解德甲 Match Facts 洞察的关键组件,从而为球迷提供更高质量的洞察。

阅读博客 »

Freddy's

Freddy’s Frozen Custard & Steakburgers 通过 Domo 使用 Amazon SageMaker Autopilot 来部署机器学习模型,而无需雇佣 ML 专家,并实现了两位数的销售增长。 

了解详情 »

NerdWallet

借助 Amazon SageMaker,NerdWallet 降低了大约 75% 的训练成本,尽管训练的模型数量增加。

阅读案例研究 »

使用案例

准确分析图像

针对广泛的使用案例开发计算机视觉模型,包括对象检测、医学诊断和自动驾驶。例如,医疗行业的客户可以使用 SageMaker 的图像分类等功能提高患者诊断效果、降低诊断的主观性以及减少病理学技术师的工作负荷。

自动化处理文本

构建 ML 模型以自动处理和分析来自手册和电子文档的数据,从而更快速、更准确、经济高效地分析文档。Amazon SageMaker 内置了多种针对文本分类、自然语言处理(NLP)和光学字符识别(OCR)等使用案例进行了优化的 ML 算法,例如 BlazingText 和线性学习(Linear Learner)。SageMaker 还集成了流行的 NLP 模型库 Hugging Face。 

快速检测异常

检测广泛应用领域数据中的异常,例如欺诈侦测和预测性维护。例如,使用 ML 在交易发生前识别可疑交易,并及时提醒客户以增强客户信任。SageMaker 内置了可用来快速训练和部署欺诈侦测模型的 ML 算法,例如随机伐林(Random Cut Forest)和 XGBoost。 

提供个性化推荐

利用 ML 为客户提供个性化的在线体验,提高客户满意度并实现业务的快速增长。Amazon SageMaker 内置了因子分解机等可用于构建推荐引擎的 ML 算法。您还可使用 SageMaker Autopilot,只需几次点击即可自动生成个性化模型并进行部署。

探索专门构建的服务、AWS 解决方案、合作伙伴解决方案和指南,以快速应对您的业务和技术应用场景。

Amazon SageMaker

Amazon SageMaker 可帮助您方便地实现各个业务线机器学习环境的现代化,让各种机器学习技能水平的开发人员和数据科学家都能够几乎为任何使用案例构建、训练和部署机器学习模型。SageMaker 通过统一、直观的用户界面整合了丰富的专用 ML 功能,让您无需自行构建 ML 环境,从而能够专注于核心业务。SageMaker 以亚马逊公司二十年的现实世界机器学习应用程序开发经验为基础,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。

MLOps 工作负载编排工具

此解决方案可帮助您简化和实施机器学习(ML)模型产品化的架构最佳实践。此解决方案是一个可扩展的框架,为管理 AWS 机器学习(ML)服务和第三方服务的机器学习(ML)管道提供了一个标准接口。 

AWS 上的高空图像推断指南

了解如何使用机器学习模型处理遥感图像,自动检测和识别从卫星、无人驾驶飞行器和其他遥感设备收集的对象。 

AWS 上的分布式模型训练指南

本指南可帮助有本地部署限制或现有 Kubernetes 投资的客户使用 Amazon Elastic Kubernetes Service(Amazon EKS)和 Kubeflow 或 Amazon SageMaker 来实施混合、分布式机器学习(ML)训练架构。

资源

Amazon SageMaker 分步指南

观看视频 »

Amazon SageMaker 十分钟教程

查看教程 »

Amazon SageMaker JumpStart 中可用的预构建解决方案

开始使用 SageMaker »

准备好开始使用了吗?

联系销售人员
联系我们

联系我们以了解有关 ML 现代化的更多信息。

联系我们 
寻找合作伙伴
寻找合作伙伴

联系 AWS 合作伙伴网络,以与我们的全球技术和咨询合作伙伴合作。

开始使用 
开始执行计划
开始执行您的 ML 现代化计划

AWS 专业服务部门是一个由专家组成的全球团队,可以帮助您实现使用 AWS 的预期业务成果。

了解详情