Amazon SageMaker 通过整合专门为 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 (ML) 模型。
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。
首个适用于 ML 的全集成开发环境 (IDE)
使用 Amazon SageMaker Studio 提高生产力，这是首个专门为 ML 设计的完全集成开发环境，它将您需要所有 ML 功能集中在一个统一可视化用户界面下。
功能性从一开始就将协同工作作为设计目标
使用 Amazon SageMaker 的集成功能进行 ML 开发，使您无需花时间编写自定义集成代码，从而最终降低成本。
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
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
Amazon SageMaker 支持领先的机器学习框架和工具箱
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。
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。
