Amazon SageMaker Studio

用于端到端机器学习开发的基于 Web 的统一界面
SageMaker Studio

为什么使用 SageMaker Studio?

Amazon SageMaker Studio 提供多种专门构建的工具来执行所有机器学习(ML)开发步骤,从准备数据到构建、训练、部署和管理机器学习模型。您可以使用首选 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,实现工作流程自动化,所有这些都在一个统一的 Web 界面中完成。

工作原理

Amazon SageMaker Studio 的工作原理

工作原理

Amazon SageMaker Studio 的工作原理

SageMaker Studio 的优势

Amazon SageMaker Studio 为机器学习开发提供了一系列完全托管的集成式开发环境(IDE),包括 JupyterLab、基于代码操作系统的代码编辑器(Visual Studio 代码——开源)和 RStudio。快速启动您的首选 IDE,并即时向上和向下扩展底层计算。
访问 ML 开发每个步骤的最全面的工具集,包括准备数据、构建、训练、部署和管理 ML 模型。在每个步骤快速切换,以微调模型、重播训练实验,并直接从 JupyterLab、代码编辑器或 RStudio on Amazon SageMaker 扩展到分布式训练。
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。
使用 IDE 中基于人工智能的开发人员工具,安全地加快 ML 开发速度并提高生产力。使用 Amazon CodeWhisperer 生成、调试和解释源代码,并使用 Amazon CodeGuru 进行安全和代码质量扫描。
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 ML 构件下载到本地计算机。

使用案例

访问各种公开的 FM、模型评估工具、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 FM,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 ML 开发,将最全面的 ML 工具集于一身。SageMaker 提供高性能 MLOps 工具,可帮助您自动化和标准化 ML 工作流程和治理工具,以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 ML 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 Amazon 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。