入门
Amazon SageMaker 是一项完全托管的模块化服务，支持开发人员和数据科学家大规模地构建、训练和部署机器学习模型。开始使用这些开发人员资源可以快速地从概念转向生产。
Amazon SageMaker 简介
学习 Amazon SageMaker 的构建、训练和部署模块。
培训课程
在本培训课程中，学习如何使用 Amazon SageMaker 简化将机器学习集成到应用程序中的过程。主要主题包括：机器学习的概述及机器学习可以帮助解决的问题，使用 Jupyter 笔记本基于 Amazon SageMaker 内置算法训练模型，以及使用 Amazon SageMaker 发布已验证的模型。您将通过构建一个与 Amazon SageMaker 发布的终端节点集成的无服务器应用程序来完成本课程。
培训课程
在本培训课程中，您将学习如何使用 Amazon SageMaker 和 Amazon SageMaker Ground Truth 实施机器学习管道。首先您将创建一个带标签的数据集，然后将创建一个训练作业来训练对象检测模型，最后将使用 Amazon SageMaker 创建和更新模型。
构建机器学习模型
使用 SageMaker 的“构建”模块收集和准备训练数据，访问预构建的笔记本，并利用内置的高性能算法。
博客
阅读此博客，学习如何利用 Amazon SageMaker 笔记本实例使用常见工作流程。
训练和调优机器学习模型
只需单击一下即可使用“训练”模块设置训练环境，并使用自动模块调整优化模型
视频
在本视频中，学习如何使用 Amazon SageMaker 训练和调优机器学习模型，使其达到最高准确性。
博客
确定适用于使用案例的最佳 ML 模型，并加快部署到生产中。使用本博客中概述的步骤跟踪、搜索、筛选和排序机器学习训练运行。现在，可以使用主要模型属性（如超参数值和准确性指标）和 Amazon SageMaker，在所有实验中获得最佳的 ML 模型。
网络研讨会
在此视频点播技术讲座中，学习训练基于 TensorFlow 的机器学习模型。了解 TensorFlow 和 Amazon SageMaker 的独特组合，加速机器学习模型的训练并将其投入生产。
部署机器学习模型
只需单击一下即可使用“部署”模块将机器学习模型部署到生产中。
动手实验
按照 GitHub 上的示例，使用 Amazon SageMaker 和 AWS Step Functions 自动构建、训练和部署自定义机器学习模型。
博客
学习使用 SageMaker 的部署功能，包括 A/B 测试和 Auto Scaling，为您的机器学习模型提供高性能和高可用性。
网络研讨会
在此视频点播技术讲座中，了解机器学习生命周期，在企业中使用 Amazon SageMaker 的最佳实践，以及如何将 Amazon SageMaker 与其他 AWS 服务整合。
博客
在本博客中，学习如何使用 Amazon SageMaker Python SDK 和 PyTorch 基本映像构建、训练 fastai 模型并将其部署到 Amazon SageMaker 训练和托管中。可以避免构建自己的容器的额外步骤。
其他资源
软件开发工具包
使用专为您的编程语言或平台量身定制的 API，以便您能够在应用程序中轻松使用 Amazon SageMaker。
新增内容
新增内容公告是发布和功能更新的概要。阅读 Amazon SageMaker 特定的更新和其他 AWS 公告。
