Amazon SageMaker

通过完全托管的基础设施、工具和工作流程为任何用例构建、训练和部署机器学习(ML)模型

为什么选择 Amazon SageMaker?

Amazon SageMaker 是一项完全托管的服务,它汇集了大量工具,可为任何使用案例提供高性能、低成本的机器学习(ML)。借助 SageMaker,您可以使用笔记本、调试器、分析器、管道、MLOps 等工具大规模构建、训练和部署机器学习模型——这一切都在一个集成式开发环境(IDE)中完成。SageMaker 通过简化的访问控制和机器学习项目的透明度来支持治理要求。此外,您可以使用专门构建的工具来微调、实验、再训练和部署基础模型,构建自己的基础模型(在海量数据集上训练过的大型模型)。 SageMaker 提供对数百个预训练模型的访问权限,包括公开的基础模型,您只需点击几下即可部署这些模型。


Amazon SageMaker 概述

为什么选择 Amazon SageMaker?

Amazon SageMaker 是一项完全托管的服务,它汇集了大量工具,可为任何使用案例提供高性能、低成本的机器学习(ML)。借助 SageMaker,您可以使用笔记本、调试器、分析器、管道、MLOps 等工具大规模构建、训练和部署机器学习模型——这一切都在一个集成式开发环境(IDE)中完成。SageMaker 通过简化的访问控制和机器学习项目的透明度来支持治理要求。此外,您可以使用专门构建的工具来微调、实验、再训练和部署基础模型,构建自己的基础模型(在海量数据集上训练过的大型模型)。 SageMaker 提供对数百个预训练模型的访问权限,包括公开的基础模型,您只需点击几下即可部署这些模型。


Amazon SageMaker 模型训练概述

SageMaker 的优势

通过多种工具让更多人能够利用 ML 进行创新,如面向数据科学家的 IDE 和面向业务分析师的无代码界面。
使用集成的专用工具和高性能、经济实惠的基础设施,构建自己的 ML 模型,包括为生成式人工智能应用程序提供支持的 FM。
自动执行和标准化组织中的 MLOps 实践和治理,以支持透明度和可审核性。
在整个 ML 生命周期中利用人工反馈的力量,通过人机交互功能提高 FM 的准确性和相关性。

让更多人利用机器学习进行创新

  • 业务分析师
  • 业务分析师

    使用 SageMaker Canvas 的可视化界面进行 ML 预测。
    图像描绘了在 Amazon SageMaker Canvas 中创建的新模型
  • 数据科学家
  • 数据科学家

    使用 SageMaker Studio 准备数据并构建、训练和部署模型。
    在 Amazon SageMaker Studio 上显示屏幕的图像
  • ML 工程师
  • ML 工程师

    利用 SageMaker MLOps 大规模部署并管理模型。
    在 Amazon SageMaker Studio 上显示屏幕的图像

支持领先的机器学习框架、工具包和编程语言

Jupyter 徽标
TensorFlow 徽标
PyTorch 徽标
MXNet 徽标
Hugging Face 徽标
Scikit-learn 徽标
Python 徽标
R 徽标