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 (ML) 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，在融通式合作开发工作室中加快协作和构建，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，还是第三方或联合数据来源中，均可访问所有数据，同时内置治理功能可满足企业安全需求。

优势

Amazon SageMaker 融通式合作开发工作室提供集成式体验，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 SageMaker

查看下一代 Amazon SageMaker 的实际运行情况

尝试演示
sagemaker 缩略图

客户

丰田

“为了解决分散在汽车业务中的孤立数据集问题，我们正在通过实施 Amazon SageMaker 帮助统一及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，提高客户满意度，并简化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

Charter Communications

Charter Communications 正在通过 Amazon Redshift 和 Amazon SageMaker 推动创新和效率。

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 融通式合作开发工作室和 Amazon SageMaker 智能湖仓等高级功能的推出，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。”

Lee Slezak，Lennar 数据和分析高级副总裁

Carrier

“在 Carrier，下一代 Amazon SageMaker 正在简化我们构建和扩展数据产品的方式，从而改变我们的企业数据战略。SageMaker 融通式合作开发工作室采用数据发现、处理和模型开发方法，显著加速了我们的湖仓实施。最令人印象深刻的是，它与我们现有的数据目录和内置治理控制措施无缝集成，这样一来，我们就能够在维持安全标准的同时普及数据访问，从而帮助我们的团队在整个企业中快速提供高级分析和人工智能解决方案。”

– Carrier 数据平台和数据工程总监 Justin McDowell

image

NatWest Group

“我们的数据平台工程团队一直在为数据工程、ML、SQL 和生成式人工智能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%。”

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

image