Amazon SageMaker
Machine Learning für jeden Daten-Wissenschaftler und Entwickler
Amazon SageMaker unterstützt Daten-Wissenschaftler und Entwickler bei der schnellen Vorbereitung, Erstellung, Schulung und Bereitstellung hochwertiger ML (Machine Learning)-Modelle, indem eine breite Palette von Funktionen zusammengestellt wird, die speziell für ML entwickelt wurden.
Der umfassendste ML-Service
Beschleunigen Sie die Innovation mit speziell entwickelten Tools für jeden Schritt der ML-Entwicklung, einschließlich Kennzeichnung, Datenaufbereitung, Funktions-Engineering, Erkennung statistischer Verzerrungen, Auto-ML, Schulung, Optimierung, Hosting, Erklärbarkeit, Überwachung und Workflows.
Die erste integrierte Entwicklungsumgebung (Integrated Development Environment, IDE) für ML
Steigern Sie Ihre Produktivität mit Amazon SageMaker Studio, der ersten vollständig integrierten Entwicklungsumgebung, die speziell für ML entwickelt wurde und alles, was Sie für ML benötigen, unter einer einheitlichen, visuellen Benutzeroberfläche vereint.
Funktionalität von Grund auf für die Zusammenarbeit entwickelt
Verwenden Sie die integrierten Funktionen von Amazon SageMaker für die ML-Entwicklung, sodass Sie monatelanges Schreiben von benutzerdefiniertem Integrationscode vermeiden und letztendlich die Kosten senken können.
Funktionsweise
Einer der am schnellsten wachsenden Services in der AWS-Geschichte
Amazon SageMaker basiert auf der zwei Jahrzehnte langen Erfahrung von Amazon bei der Entwicklung realer Anwendungen für Machine Learning, einschließlich Produktempfehlungen, Personalisierung, intelligentem Einkaufen, Robotik und sprachgestützten Geräten.
10x
Steigerung der Teamproduktivität
90 %
Kostenreduzierung durch Managed Spot Training
75 %
niedrigere Interferenzkosten
54 %
70 %
198
22
Amazon SageMaker unterstützt die führenden Frameworks, Toolkits und Programmiersprachen für Machine Learning
Hauptfunktionen zum Vorbereiten von Daten und zum Erstellen, Trainieren und Bereitstellen von ML-Modellen
Verbessern Sie Ihre Produktivität mit der integrierten Entwicklungsumgebung (IDE) von Sagemaker
Amazon SageMaker Studio bietet eine webbasierte visuelle Schnittstelle zur einfachen Erstellung Ihrer Modelle in der Python-Programmiersprache. Sie können Daten für maschinelles Lernen in der Programmiersprache R mit elastischen Rechenressourcen in RStudio auf SageMaker, der ersten vollständig verwalteten RStudio Workbench in der Cloud, analysieren und visualisieren.
Erfahren Sie mehr über: SageMaker Studio | RStudio in SageMaker
Modelle automatisch erstellen, trainieren und optimieren
Amazon SageMaker Autopilot wählt den besten Algorithmus für die Prognose aus und erstellt, trainiert und optimiert automatisch Modelle für Machine Learning, ohne dass die Sichtbarkeit oder Kontrolle verloren geht.
Verringert Kennzeichnungskosten für Daten um bis zu 70 %
Mit Amazon SageMaker Ground Truth können Sie Trainingsdatensätze für eine Vielzahl von Anwendungsfällen, einschließlich 3D-Punkt-Clouds, Videos, Bildern und Text, einfacher und genauer kennzeichnen.
Die schnellste und einfachste Möglichkeit, Daten für ML vorzubereiten
Amazon SageMaker Data Wrangler reduziert den Zeitaufwand für die Vorbereitung von Daten für Machine Learning (ML) von Wochen auf Minuten. Mit wenigen Klicks können Sie jeden Schritt des Datenvorbereitungsworkflows abschließen, einschließlich Datenauswahl, Bereinigung, Erkundung und Visualisierung.
Speziell entwickelter Feature Store für ML
Der Amazon SageMaker Feature Store bietet ein Repository zum Speichern, Aktualisieren, Abrufen und Freigeben von ML-Funktionen. Der SageMaker Feature Store bietet eine konsistente Ansicht der Funktionen für ML-Modelle, sodass die Erstellung von Modellen mit hochgenauen Prognosen erheblich vereinfacht wird.
Trainieren Sie hochwertige Modelle schneller
Amazon SageMaker bietet einen integrierten Debugger und einen Profiler, mit denen Sie Trainingsfehler und Leistungsengpässe Ihrer Modelle identifizieren und reduzieren können, bevor Sie sie in die Produktion übertragen.
Bereitstellung in die Cloud mit nur einem Mausklick
Mit Amazon SageMaker können Sie Ihr geschultes Modell einfach mit einem einzigen Klick für die Produktion bereitstellen, sodass Sie Prognosen für Echtzeit- oder Batch-Daten erstellen können.
Verbessern Sie die Qualität von Modellen auf Edge-Geräten
Mit Amazon SageMaker Edge Manager können Sie Modelle für Machine Learning auf Flotten von Edge-Geräten optimieren, sichern, überwachen und warten, um sicherzustellen, dass auf Edge-Geräten bereitgestellte Modelle ordnungsgemäß funktionieren.
Wesentliche Funktionen für ML in der Produktion
Machine-Learning-Workflows automatisieren
Amazon SageMaker Pipelines ist der erste speziell entwickelte, benutzerfreundliche CI-/CD-Service (Continuous Integration and Continuous Delivery) für Machine Learning. Workflows können von Teams gemeinsam genutzt und wiederverwendet werden.
Verzerrungen erkennen und Prognosen verstehen
Amazon SageMaker Clarify bietet eine Verzerrungserkennung im gesamten ML-Workflow, sodass Sie Ihrem ML-Modell mehr Fairness und Transparenz verleihen können. SageMaker Clarify enthält auch Diagramme zur Funktionswichtigkeit, die Ihnen helfen, Modellvorhersagen zu erklären, und erstellt Berichte, die zur Unterstützung interner Präsentationen oder zur Identifizierung von Problemen mit Ihrem Modell verwendet werden können, die Sie korrigieren können.
Sichern Sie Ihre Daten und Ihren Code während des gesamten ML-Lebenszyklus
Amazon SageMaker bietet eine umfassende Reihe von Sicherheitsfunktionen, darunter Verschlüsselung, Konnektivität für private Netzwerke, Autorisierung, Authentifizierung, Überwachung und Überprüfbarkeit, um Ihr Unternehmen bei Sicherheitsanforderungen zu unterstützen, die möglicherweise für Workloads mit Machine Learning gelten.
Wesentliche Funktionen für ML in der Produktion
Machine-Learning-Workflows automatisieren
Amazon SageMaker Pipelines ist der erste speziell entwickelte, benutzerfreundliche CI-/CD-Service (Continuous Integration and Continuous Delivery) für Machine Learning. Workflows können von Teams gemeinsam genutzt und wiederverwendet werden.
Transparenz verbessern
Amazon SageMaker Clarify bietet eine Verzerrungserkennung im gesamten ML-Workflow, sodass Sie Ihrem ML-Modell mehr Fairness und Transparenz verleihen können. SageMaker Clarify enthält auch Diagramme zur Funktionswichtigkeit, die Ihnen helfen, Modellvorhersagen zu erklären, und erstellt Berichte, die zur Unterstützung interner Präsentationen oder zur Identifizierung von Problemen mit Ihrem Modell verwendet werden können, die Sie korrigieren können.
Sichern Sie Ihre Daten und Ihren Code während des gesamten ML-Lebenszyklus
Amazon SageMaker bietet eine umfassende Reihe von Sicherheitsfunktionen, darunter Verschlüsselung, Konnektivität für private Netzwerke, Autorisierung, Authentifizierung, Überwachung und Überprüfbarkeit, um Ihr Unternehmen bei Sicherheitsanforderungen zu unterstützen, die möglicherweise für Workloads mit Machine Learning gelten.
Amazon SageMaker-Kunden
Amazon SageMaker wird von Zehntausenden von Kunden in einer Vielzahl von Branchen verwendet
Erste Schritte mit dem Amazon SageMaker JumpStart
Amazon SageMaker ist ein Machine Learning-Service, mit dem Sie ML-Modelle für praktisch jeden Anwendungsfall erstellen, trainieren und bereitstellen können. Eine kurze technische Einführung finden Sie in der Schritt-für-Schritt-Anleitung von SageMaker. Um Ihnen den Einstieg in Ihr ML-Projekt zu erleichtern, bietet Amazon SageMaker JumpStart eine Reihe vorgefertigter Lösungen für die häufigsten Anwendungsfälle, die Sie mit nur wenigen Klicks bereitstellen können. Diese Lösungen sind vollständig anpassbar, sodass Sie sie an die Anforderungen Ihres spezifischen Anwendungsfalls und Ihrer Datensätze anpassen können.
Vorausschauende Wartung
Georgia Pacific verwendet SageMaker, um ML-Modelle zu entwickeln, die Maschinenprobleme frühzeitig erkennen.
Computervision
3M verwendet auf SageMaker basierende Fehlererkennungsmodelle, um die Effektivität seiner Qualitätskontrollprozesse zu verbessern.
Autonomes Fahren
Lyft Level 5 wurde auf SageMaker für das Training standardisiert und die Modelltrainingszeiten von Tagen auf unter ein paar Stunden reduziert.