面向数据科学家的 Amazon SageMaker

适用于 ML 生命周期的全集成开发环境(IDE)

从结构化和非结构化数据源访问数据

使用专用工具提高生产力

只需单击几下即可完全托管的 Jupyter Notebook

轻松准备数据以及构建、训练和部署 ML 模型

数据科学研究数据以提取对业务有意义的洞察。它提出并回答诸如发生了什么、为什么发生以及将发生什么等问题。机器学习 (ML) 对数据科学至关重要,因为机器学习使机器能够解决传统分析无法通过基于规则的逻辑轻松解决的问题。ML 通过从示例中学习来分析数据并发现模式。然后机器可以使用这些模式来识别未知实例。Amazon SageMaker 提供了一系列广泛的 ML 功能,成千上万的客户使用这些功能来访问和分析数据,以及构建、训练和部署高质量的 ML 模型。使用 SageMaker 可以将您的数据科学团队的生产效率提高 10 倍之多。

面向数据科学家的 Amazon SageMaker

使用 SageMaker Studio Lab 学习 ML

使用无设置的免费开发环境学习和试验 ML

入门 »

探索 SageMaker Studio

SageMaker Studio 提供一个基于网络的可视化界面,您可以在该界面中执行所有的 ML 步骤,提高数据科学团队的生产率。

了解更多 >>

SageMaker JumpStart 快速入门

您只需单击几下即可部署的预构建 ML 解决方案、模型和解决方案

入门 »