使用 SageMaker AI（以前称为 Amazon SageMaker）构建、训练和部署机器学习模型

Amazon SageMaker

新一代 Amazon SageMaker 是您所有数据、分析和人工智能的中心
开始使用 Amazon SageMaker

概览

Amazon SageMaker 汇集了广泛采用的 AWS 机器学习和分析功能，可统一访问您的所有数据，为分析和人工智能提供一体式体验。使用熟悉的 AWS 工具进行模型开发、生成式人工智能、数据处理和 SQL 分析，在统一的工作室（预览版）中加快协作和构建，并借助最强大的生成式人工智能软件开发助手 Amazon Q 开发者版提升效率。无论数据存储在数据湖、数据仓库、第三方还是联合数据来源中，均可访问所有数据，内置治理功能可满足企业安全需求。

优势

Amazon SageMaker Unified Studio（预览版）提供集成式体验，您可以将所有数据和工具用于分析和人工智能。发现数据，并使用熟悉的 AWS 工具（适用于模型开发、生成式人工智能、数据处理和 SQL 分析）将数据用于实处。使用统一的笔记本电脑处理计算资源，使用内置的 SQL 编辑器发现和查询不同的数据来源，大规模训练和部署人工智能模型，快速构建自定义生成式人工智能应用程序。创建并安全共享分析和人工智能构件，例如数据、模型和生成式人工智能应用程序，以更快地将数据产品推向市场。
借助一整套设计安全的人工智能开发功能，在 Amazon SageMaker 中推进人工智能工作。在高性能且经济高效的基础设施上训练、自定义和部署机器学习和基础模型（FM）。使用可满足整个人工智能生命周期需求的专用工具，覆盖高性能集成式开发环境（IDE）和分布式训练到推理、人工智能运维、治理和可观测性等领域。使用尖端模型和专有数据，快速创建为业务量身定制的生成式人工智能应用程序。使用 Amazon Q 开发者版加快人工智能开发速度，帮助您更轻松地发现数据、构建和训练机器学习模型、生成 SQL 查询以及创建和运行数据管道任务，所有这些都可通过自然语言完成。
使用 Amazon SageMaker Lakehouse 统一您在 Amazon Simple Storage Service（Amazon S3）数据湖和 Amazon Redshift 数据仓库中的所有数据。使用所有与 Apache Iceberg 兼容的工具和引擎，在分析数据的单个副本上灵活地访问和查询数据。通过定义应用于湖仓中的分析和人工智能工具的精细权限来保护数据。通过零 ETL 集成，将运营数据库和应用程序中的数据近实时地导入湖仓。此外，通过跨第三方数据来源的联合查询功能访问和查询数据。
通过贯穿整个数据和人工智能生命周期的内置治理，确保企业安全。Amazon SageMaker 确保您能够控制正确的用户出于恰当的目的访问正确的数据、模型和开发构件。通过 Amazon SageMaker Catalog 的精细访问控制，使用单一权限模型以一致地定义和强制执行访问策略。使用数据分类、毒性检测、防护机制和负责任的人工智能政策，以保护您的人工智能模型安全。通过数据质量监控和自动化、敏感数据检测以及数据和机器学习任务流水线，让整个组织安心无忧。

认识新一代 Amazon SageMaker

功能

客户

丰田

“为了解决分散在汽车业务运营中的孤立数据集问题，我们正在探索通过 Amazon SageMaker 统一管理我们的联网汽车、销售、制造和供应链部门的数据。借助这种方法，我们能够毫不费力地搜索、发现并共享数据，为预防质量问题奠定基础，提高客户安全性和满意度，并加快生成式人工智能应用程序的开发。”

– TMNA 数据、分析、平台和数据科学副总裁 Kamal Distell

image

NatWest Group

“我们的数据平台工程团队一直在为数据工程、ML、SQL 和 GenAI 任务部署多种终端用户工具。我们希望简化整个银行的流程，因此一直在考虑简化用户身份验证和数据访问授权。Amazon SageMaker 可提供现成的用户体验，帮助我们在整个组织内部署单一环境，将数据用户访问新工具所需的时间减少约 50%。”

- NatWest Group 首席数据和分析官 Zachery Anderson

image

Roche

“我们一直在使用 Amazon Redshift，以从所有数据存储库的结构化和半结构化数据中获取见解。全新的 Amazon SageMaker Lakehouse 能够结合 Amazon Redshift、Glue Data Catalog 和 Lake Formation 等服务，增强和统一对数据湖和其他数据来源的访问，这令我兴奋不已。借助这项创新，我们的数据和工程团队能够简化数据访问，以促进数据、分析和应用程序工作负载之间的互操作性。我预计这项功能可以通过减少数据复制显著减少数据错误、缩短 40% 的处理时间，加快将分析数据写回事务处理系统的速度以改进决策，让我们的团队能够专注于创造业务价值。”

- Roche 全球产品战略工程主管 Yannick Misteli

image

Lennar

“过去 18 个月里，我们一直在与 AWS 合作，将我们的数据基础转变为使用经济高效的一流解决方案。随着 Amazon SageMaker Unified Studio 和 Amazon SageMaker Lakehouse 等高级功能的推出，我们希望通过无缝访问数据和服务来加快交付速度，从而让我们的工程师、分析师和科学家能够发现为业务提供物质价值的见解。”

- Lennar 数据和分析高级副总裁 Lee Slezak

image

Natera, Inc

“我们的组织一直在利用 Amazon DataZone、Amazon SageMaker AI、Amazon Athena 和 Amazon Redshift 来管理和分析我们的临床和基因组数据。我们很高兴现在能使用 Amazon SageMaker Catalog 的统一治理，这将简化我们的数据发现和访问，让我们的团队能够快速分析整个域中的相关数据。这种整合将帮助我们创建量身定制的数据集，从而有可能缩短我们获得见解的时间，并最终改善患者预后效果，实现我们让个性化基因检测成为标准医疗服务的目标。”

– Natera, Inc. 软件工程副总裁 Mirko Buholzer

image