Erste Schritte
Amazon SageMaker ist ein vollständig verwalteter modularer Service, mit dem Entwickler und Datenwissenschaftler Machine Learning-Modelle jeder Größe erstellen, trainieren und bereitstellen können. Starten Sie mit diesen Entwicklerressourcen, sodass Sie schnell aus der Konzept- in die Produktionsphase wechseln können.
Einführung in Amazon SageMaker
Erfahren Sie mehr über die Module zum Erstellen, Trainieren und Bereitstellen von Amazon SageMaker.
ENTWICKLERHANDBUCH
Folgen Sie dieser schrittweisen Anleitung, um Amazon SageMaker schnell einsetzen zu können.
TUTORIAL
Erfahren Sie in 10 Minuten, wie Sie mit Amazon SageMaker loslegen können.
TRAININGSKURS
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.
TRAININGSKURS
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.
Erstellen von Machine Learning-Modellen
Verwenden Sie das Erstellungsmodul von SageMaker, um Trainingsdaten zu erfassen und vorzubereiten, auf vorgefertigte Notebooks zuzugreifen und die integrierten, leistungsstarken Algorithmen zu nutzen.
ENTWICKLERHANDBUCH
Lernen Sie mit den in diesem Handbuch aufgeführten Schritten und Ressourcen, ein ML-Modell zu erstellen.
VIDEO
In diesem Video erfahren Sie alles über die vollständig verwalteten Notebook-Instances mit Amazon SageMaker.
BLOG
Lesen Sie diesen Blog, um zu erfahren, wie Sie allgemeine Workflows mit Amazon SageMaker-Notebook-Instances verwenden können.
PRAKTISCHE ÜBUNG
Auf GitHub finden Sie ein umfassendes Repository an SageMaker-Notebooks.
PRAKTISCHE ÜBUNG
Nutzen Sie die in Amazon SageMaker integrierten Algorithmen, welche schneller und kostengünstiger als gängige Alternativen sind.
VIDEO
In diesem Video erfahren Sie mehr über die in Amazon SageMaker integrierten Hochleistungsalgorithmen.
Trainieren und Optimieren von Machine Learning-Modellen
Mit dem Trainingsmodul können Sie mit einem Klick Trainingsumgebungen einrichten und Ihr Modell durch automatische Modulabstimmung optimieren.
ENTWICKLERHANDBUCH
Lesen Sie eine Übersicht darüber, wie Sie Machine Learning-Modelle mit Amazon SageMaker trainieren.
VIDEO
In diesem Video erfahren Sie, wie Sie Ihre Machine Learning-Modelle mit höchster Genauigkeit mit Amazon SageMaker trainieren und optimieren können.
BLOG
Identifizieren Sie Ihre besten ML-Modelle für Ihren Anwendungsfall und gelangen Sie schneller zur Produktion. Verfolgen, durchsuchen, filtern und sortieren Sie Ihre Trainingsläufe für Machine Learning anhand der in diesem Blog beschriebenen Schritte. Mit Amazon SageMaker können Sie nun mit Hilfe von Schlüsselattributen wie Hyperparameterwerten und Genauigkeitsmetriken in all Ihren Experimenten zum besten ML-Modell gelangen.
PRAKTISCHE ÜBUNG
Probieren Sie diese Beispiele für die Verwendung der Hyperparameteroptimierung über verschiedene Algorithmen und Deep Learning-Frameworks hinweg aus.
BLOG
Erfahren Sie, wie Sie die Hyperparameterwerte des Algorithmus in Ihrem Machine Learning-Modell automatisch optimieren, um die genauesten Vorhersagen zu erhalten.
WEBINAR
In diesem On-demand-Tech-Talk erfahren Sie, wie Sie TensorFlow-basierte Machine Learning-Modelle trainieren. Verstehen Sie die einzigartige Kombination von TensorFlow und Amazon SageMaker, um das Training Ihrer Machine Learning-Modelle zu beschleunigen und sie in die Produktion zu bringen.
Bereitstellen von Machine Learning-Modellen
Verwenden Sie das Bereitstellungsmodul, um Ihre Machine Learning-Modelle mit einem einzigen Klick in der Produktion bereitzustellen.
ENTWICKLERHANDBUCH
Folgen Sie der schrittweisen Anleitung, um Machine Learning-Modelle auf der leistungsstärksten Infrastruktur bereitzustellen.
VIDEO
In diesem Video erfahren Sie, wie Sie Ihre ML-Modelle auf der am besten skalierbaren Infrastruktur in der Produktion einsetzen können.
PRAKTISCHE ÜBUNG
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.
BLOG
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.
WEBINAR
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.
BLOG
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.
Weitere Ressourcen
SDKs
Verwenden Sie auf Ihre Programmiersprache oder Plattform zugeschnittene APIs, um die Verwendung von Amazon SageMaker in Ihren Anwendungen zu erleichtern.
Neuerungen
Was ist neu? Bei den Ankündigungen handelt es sich um allgemeine Zusammenfassungen von Produkteinführungen und Funktionsaktualisierungen. Lesen Sie über Amazon SageMaker-spezifische Updates und andere AWS-Ankündigungen.
Blogs zu Amazon SageMaker
Weitere Informationen zu Amazon SageMaker-Funktionen
