跳至主要内容

Amazon SageMaker Studio

Amazon SageMaker Studio

用于端到端机器学习开发的基于 Web 的统一界面

为什么使用 SageMaker Studio?

Amazon SageMaker Studio 提供多种专用工具供您选择,以执行从准备数据到构建、训练、部署和管理机器学习(ML)模型的所有机器学习开发步骤。您可以使用首选集成式开发环境(IDE)快速上传数据并构建模型。简化机器学习团队协作,使用人工智能驱动型编程辅助工具高效编码,调整和调试模型,在生产环境中部署和管理模型,实现工作流自动化,所有这些都在一个统一的 Web 界面中完成。
Screenshot of the Amazon SageMaker Studio dashboard, showing an overview of available workflows, applications like JupyterLab and Code Editor, prebuilt solutions such as JumpStart and AutoML, and navigation for data, experiments, models, and deployments.

SageMaker Studio 的优势

使用完全托管式云 IDE 或本地 IDE 开发人工智能模型。快速启动您首选的完全托管式 IDE,包括 JupyterLab、基于 Code-OSS 的代码编辑器(VS Code 开源版)以及 RStudio,并根据您的需求动态扩展底层计算资源。此外,您可以在本地的 Visual Studio Code 中开发人工智能模型,同时利用 SageMaker AI 的可扩展计算资源。

访问一组最全面的工具,这些工具适用于机器学习开发工作的每个步骤,包括准备数据、构建、训练、部署和管理机器学习模型。在每个步骤之间快速切换,以微调模型、重播训练实验,并直接从 JupyterLab、代码编辑器或 RStudio on SageMaker AI 扩展到分布式训练。使用 Amazon Q 开发者版更快地进行构建,这是一款集成到您工作流中的生成式人工智能驱动型助手。在整个机器学习开发之旅中,Amazon Q 开发者版都可实时为您提供帮助,所有操作都在您的笔记本环境中实现。
通过 Amazon SageMaker JumpStart 访问数百种常用公开发布的模型和超过 15 种预先构建的解决方案,构建生成式人工智能应用程序。您可以访问来自顶级模型提供商的模型,例如 AI21 Labs、LightOn、Stability AI、Hugging Face、Alexa 和 Meta AI。然后,根据精度、稳健性和毒性等预定义指标,快速评估、比较和选择适合您的使用案例的最佳基础模型(FM)。人工评估可以用于更主观的维度,例如创造力和风格。
您可以使用 Web 浏览器从任何设备使用 SageMaker Studio。代码和数据都保存在安全的云环境中,无需将敏感的机器学习构件下载到本地计算机。

使用 AWS 合作伙伴提供的常用应用程序加速您的模型开发。使用无缝的完全托管式体验,无需预置或运行基础设施,所有操作均在您的 SageMaker 环境的安全和隐私范围内进行。

使用案例

访问各种公开的基础模型、模型评测工具、以高性能加速型计算为后盾的 IDE,并能够直接从 SageMaker Studio 大规模微调和部署基础模型,从而更快地构建生成式人工智能应用程序。
在 SageMaker Studio 中统一端到端机器学习开发,将最全面的机器学习工具集于一身。SageMaker AI 提供高性能 MLOps 工具,可帮助您自动化和标准化机器学习工作流和治理工具,进而支持整个组织的透明度和可审计性。
SageMaker Studio 为执行所有数据分析和机器学习工作流提供了统一的体验。创建、浏览和连接到 Amazon EMR 集群。使用 AWS Glue 交互式会话构建、测试和运行交互式数据准备和分析应用程序。使用熟悉的工具(例如 Spark UI)监控和调试 Spark 作业 – 所有作业都直接在 SageMaker Studio 中完成。

AWS 合作伙伴提供的人工智能应用程序简介

在安全的托管式环境中访问行业领先的应用程序,以便加速生成式人工智能和机器学习开发。