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 对构建用于机器学习的高准确度培训数据集进行了简化。通过 SageMaker Ground Truth 控制台，您可以使用自定义或内置数据标记工作流，包括 3D 点云、视频、图像和文本等，在几分钟内开始标记数据。
Amazon SageMaker Ground Truth 对构建用于机器学习的高准确度培训数据集进行了简化。通过 SageMaker Ground Truth 控制台，您可以使用自定义或内置数据标记工作流，包括 3D 点云、视频、图像和文本等，在几分钟内开始标记数据。
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。
Amazon SageMaker 可以通过调整数千个算法参数组合来自动优化您的模型，从而达到模型能够实现的最精准预测，减少数个星期的工作量。自动模型优化使用机器学习快速优化您的模型。
Amazon SageMaker 可以通过调整数千个算法参数组合来自动优化您的模型，从而达到模型能够实现的最精准预测，减少数个星期的工作量。自动模型优化使用机器学习快速优化您的模型。
将模型部署到生产中
许多机器学习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 为常见的机器学习使用案例提供内置的人工审核工作流程。
许多机器学习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 为常见的机器学习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。
