Amazon SageMaker – Entwicklerressourcen

Folgen Sie dieser schrittweisen Anleitung, um Amazon SageMaker schnell einsetzen zu können.

Erfahren Sie in 10 Minuten, wie Sie mit Amazon SageMaker loslegen können.

In diesem Kurs lernen Sie, wie Sie Amazon SageMaker einsetzen können, um die Integration von Machine Learning in Ihre Anwendungen zu vereinfachen. Zu den wichtigsten Themen gehören: ein Überblick über Machine Learning und die Probleme, die damit gelöst werden können, die Verwendung eines Jupyter-Notebooks zum Trainieren eines Modells, das auf den integrierten Algorithmen von Amazon SageMaker basiert, und die Verwendung von Amazon SageMaker zur Veröffentlichung des validierten Modells. Sie beenden den Kurs mit der Erstellung einer Serverless-Anwendung, die sich in den von Amazon SageMaker veröffentlichten Endpunkt integriert.

In diesem Kurs lernen Sie, wie Sie eine Machine Learning-Pipeline mit Amazon SageMaker und Amazon SageMaker Ground Truth implementieren. Zuerst erstellen Sie einen beschrifteten Datensatz, dann erstellen Sie eine Trainingsaufgabe, um Ihr Objekterkennungsmodell zu trainieren, und schließlich verwenden Sie Amazon SageMaker, um Ihr Modell zu erstellen und zu aktualisieren.

Folgen Sie der schrittweisen Anleitung, um Machine Learning-Modelle auf der leistungsstärksten Infrastruktur bereitzustellen.

In diesem Video erfahren Sie, wie Sie Ihre ML-Modelle auf der am besten skalierbaren Infrastruktur in der Produktion einsetzen können.

Folgen Sie den Beispielen auf GitHub, um Amazon SageMaker und AWS Step Functions zu verwenden, um das Erstellen, Trainieren und Bereitstellen von benutzerdefinierten Machine Learning-Modellen zu automatisieren.

Erfahren Sie, wie Sie die Bereistellungsmöglichkeiten von SageMaker (einschließlich A/B-Tests und Auto Scaling) nutzen können, um eine hohe Leistung und Verfügbarkeit für Ihre Machine Learning-Modelle zu erzielen.

In diesem On-demand-Tech-Talk erfahren Sie mehr über den Lebenszyklus des Machine Learnings, Best Practices für den Einsatz von Amazon SageMaker in Ihrem Unternehmen und wie Sie Amazon SageMaker mit anderen AWS-Services integrieren können.

In diesem Blog erfahren Sie, wie Sie fast.ai-Modelle für das Amazon SageMaker-Training und -Hosting entwickeln, trainieren und bereitstellen können, indem Sie das Amazon SageMaker Python-SDK und ein PyTorch-Grund-Image verwenden. Sie können sich die zusätzlichen Schritte zur Entwicklung eines eigenen Containers sparen.