收集和准备训练数据
借助于 Amazon SageMaker Data Wrangler，您可以快速而轻松地准备数据与创建模型特征。您可以连接到数据源，并使用内置的数据转换设计模型特征。
Amazon SageMaker Ground Truth Plus 可轻松创建准确的训练数据集，无需构建标注应用程序或管理标注人力资源。您只需上传您的数据，Amazon SageMaker Ground Truth Plus 会提供专家团队并负责管理工作流程。
Amazon SageMaker Ground Truth Plus 可轻松创建准确的训练数据集，无需构建标注应用程序或管理标注人力资源。您只需上传您的数据，Amazon SageMaker Ground Truth Plus 会提供专家团队并负责管理工作流程。
构建模型
Amazon SageMaker 针对许多热门的深度学习框架经过专门优化，例如 TensorFlow、Apache MXNet、PyTorch 等等。框架始终是最新版本，而且针对在 AWS 上的性能经过优化。您无需手动设置这些框架，就可以在内置容器中使用它们。
Amazon SageMaker 针对许多热门的深度学习框架经过专门优化，例如 TensorFlow、Apache MXNet、PyTorch、Chainer 等等。框架始终是最新版本，而且针对在 AWS 上的性能经过优化。您无需手动设置这些框架，就可以在内置容器中使用它们。
训练和调优模型
Amazon SageMaker Experiments 通过捕获输入参数、配置和结果并将其存储为“实验”来帮助您跟踪 ML 模型的迭代。在 SageMaker Studio 中，您可以浏览进行中的实验、搜索先前的实验、查看先前的实验及结果，以及比较实验结果。
Amazon SageMaker Experiments 通过捕获输入参数、配置和结果并将其存储为“实验”来帮助您跟踪 ML 模型的迭代。在 SageMaker Studio 中，您可以浏览进行中的实验、搜索先前的实验、查看先前的实验及结果，以及比较实验结果。
将模型部署到生产中
对于采用间歇性和不可预测的使用模式的使用案例，Amazon SageMaker Serverless Inference（预览版）允许您以按使用量付费的定价模式部署 ML 模型，而无需担心服务器或集群。Amazon SageMaker 可自动预置、扩展和关闭计算容量。
SageMaker Inference Recommender 可帮助您选择最佳部署配置并运行负载测试，从而以最低成本优化推理性能，而无需管理自定义测试基础设施。您可以将模型部署到推荐的实例之一，或者在您选择的一组实例类型上运行完全托管式负载测试，而无需担心测试基础设施。
许多 ML 应用程序都要求人工审核低置信度预测，以确保结果正确无误。Amazon Augmented AI 为常见的 ML 使用案例提供内置的人工审核工作流程。
许多 ML 应用程序都要求人工审核低置信度预测，以确保结果正确无误。Amazon Augmented AI 为常见的 ML 使用案例提供内置的人工审核工作流程。
Amazon SageMaker 批量转换消除了为批量处理作业调整大型数据集大小的必要性。通过批量转换，您可以使用简单的 API 对大批量或小批量数据集运行预测。
您可以使用 Amazon SageMaker，同时使用 Kubernetes 和 Kubeflow 来编排与管理管道。SageMaker 让您可以在 SageMaker 中使用 Kubernetes 运算符训练与部署模型，而 SageMaker Components for Kubeflow Pipelines 则允许您使用 SageMaker，期间不必为 ML 管理 Kubernetes。
您可以使用 Amazon SageMaker，同时使用 Kubernetes 和 Kubeflow 来编排与管理管道。SageMaker 让您可以在 SageMaker 中使用 Kubernetes 运算符训练与部署模型，而 SageMaker Components for Kubeflow Pipelines 则允许您使用 SageMaker，期间不必为 ML 管理 Kubernetes。
借助 Amazon Elastic Inference，您可向任何 Amazon SageMaker 实例类型连接适当量级的 GPU 推理加速而无需更改代码。
借助 Amazon Elastic Inference，您可向任何 Amazon SageMaker 实例类型连接适当量级的 GPU 推理加速而无需更改代码。
Amazon SageMaker 使您可以部署推理管道，从而能传递原始输入数据并对实时和批量推理执行预处理、预测和后处理。您可以构建特征数据处理和特征工程管道，并将其作为推理管道的一部分进行部署。
Amazon SageMaker 使您可以部署推理管道，从而能传递原始输入数据并对实时和批量推理执行预处理、预测和后处理。您可以构建特征数据处理和特征工程管道，并将其作为推理管道的一部分进行部署。
