Veröffentlicht am: Oct 3, 2019
Durch die erweiterte Integration von AWS Step Functions in Amazon SageMaker können Sie jetzt die Ausführung und Bereitstellung von End-to-End-Workflows für Machine Learning automatisieren.
AWS Step Functions erlaubt Ihnen, ausfallsichere Workflows mithilfe von AWS-Diensten wie AWS Glue, AWS Lambda und Amazon SageMaker zu erstellen. Mit Amazon SageMaker können Entwickler und Datenwissenschaftler schnell Modelle für Machine Learning (ML) erstellen, trainieren und bereitstellen. Dank der erweiterten Integration können Amazon SageMaker-Benutzer das Machine Learning mithilfe serverloser Workflows automatisieren. Im Rahmen eines Step Functions-Workflows können Sie jetzt Hyperparameter-Tuning und benutzerdefinierte Etikettierungsaufträge ausführen sowie ML-Modelle in der Cloud bereitstellen. Miteinander verbunden können Step Functions und Amazon SageMaker sowohl die Produktivität Ihrer Datenwissenschaftlerteams steigern als auch ML-Pipelines in der Produktion im großen Maßstab betreiben.
Sehen Sie sich zunächst die Ein-Klick-Beispielprojekte an, in denen das Erstellen von Workflows für die Modelltransformation und die Optimierung von Hyperparametern veranschaulicht wird. Beginnen Sie anschließend mit dem Erstellen Ihres ersten ML-Workflows.
Eine vollständige Liste der Regionen, in denen AWS Step Functions angeboten wird, finden Sie unter AWS-Regionen. Hier erfahren Sie mehr:
- Stellen Sie ein Ein-Klick-Beispielprojekt für die Integration von AWS Step Functions in Amazon SageMaker bereit
- Informationen zum Verwalten von Amazon SageMaker-Jobs mit Step Functions finden Sie im AWS Step Functions-Entwicklerhandbuch.