Amazon SageMaker – FAQs
Allgemeines
Alles öffnenWas ist die nächste Generation von Amazon SageMaker?
Die nächste Generation von SageMaker ist eine einheitliche Plattform für Daten, Analytik und KI. Die nächste Generation von Amazon SageMaker vereint die weit verbreiteten AWS-Funktionen für Machine Learning (ML) und Analytik und bietet ein integriertes Erlebnis für Analytik und KI mit einheitlichem Zugriff auf alle Ihre Daten. SageMaker ermöglicht Ihnen, in einem einheitlichen Studio (Vorversion) schneller zusammenzuarbeiten und zu entwickeln, indem Sie vertraute AWS-Services für Modellentwicklung, generative KI, Datenverarbeitung und SQL-Analytik verwenden. Beschleunigt wird dies durch Amazon Q Developer, den leistungsfähigsten generativen KI-Assistenten für Softwareentwicklung. Darüber hinaus können Sie auf alle Ihre Daten zugreifen, unabhängig davon, ob sie in Data Lakes, Data Warehouses oder Drittanbietern oder Verbunddatenquellen gespeichert sind. Die integrierte Governance erfüllt die Sicherheitsanforderungen des Unternehmens.
Wie unterscheidet sich der neue SageMaker von dem, was ich heute für meine ML-Workflows verwende?
Wir haben den weit verbreiteten SageMaker-Service um die umfassenden AWS-Daten-, Analytik- und KI-Funktionen erweitert, um ein einheitliches Erlebnis von Daten, Analytik und KI bereitzustellen. In Zukunft werden die vorhandenen KI/ML-Funktionen in SageMaker für das Daten-Wrangling, die Erstellung, Schulung und Bereitstellung von KI-Modellen als Amazon SageMaker AI bezeichnet. SageMaker AI ist in die nächste Generation von SageMaker integriert und auch als eigenständiger Service für diejenigen verfügbar, die sich speziell auf die Entwicklung, Schulung und Bereitstellung von KI- und ML-Modellen in großem Maßstab konzentrieren möchten.
Die nächste Generation von SageMaker umfasst:
- Amazon SageMaker Unified Studio (Vorversion): Entwickeln Sie in einer einzigen Entwicklungsumgebung, um auf vertraute Tools und Funktionen aus speziell entwickelten AWS-Analytik- und KI/ML-Services wie Amazon EMR, AWS Glue, Amazon Athena, Amazon Redshift, Amazon Bedrock und SageMaker AI zuzugreifen und diese zu nutzen.
- Amazon SageMaker Lakehouse: Vereinheitlichen Sie Daten aus Amazon Simple Storage Service (Amazon S3) Data Lakes, Amazon Redshift Data Warehouses und Drittanbieter- und Verbunddatenquellen.
- Amazon-SageMaker-Daten- und KI-Governance: Mit dem Amazon-SageMaker-Katalog, der auf Amazon DataZone basiert, können Sie Daten und KI sicher entdecken, verwalten und gemeinsam bearbeiten.
Welche Funktionen sind in der nächsten Generation von Amazon SageMaker enthalten?
Die nächste Generation von Amazon SageMaker umfasst die folgenden Funktionen:
- Amazon SageMaker Unified Studio (Vorversion) – Entwickeln Sie mit all Ihren Daten und Tools für Analytik und KI in einer einzigen Umgebung.
- Amazon SageMaker Lakehouse – Vereinheitlichen Sie Daten aus Amazon Simple Storage Service (Amazon S3) Data Lakes, Amazon Redshift Data Warehouses, Drittanbietern und Verbunddatenquellen mit Amazon SageMaker Lakehouse.
- Daten- und KI-Governance – Mit dem Amazon-SageMaker-Katalog, der auf Amazon DataZone basiert, können Sie Daten und KI sicher entdecken, verwalten und gemeinsam bearbeiten.
- Modellentwicklung – Erstellen, Trainieren und Bereitstellen von ML und FMs mit vollständig verwalteter Infrastruktur, Tools und Workflows mit Amazon SageMaker AI (ehemals Amazon SageMaker).
- Generative KI-Anwendungsentwicklung – Erstellen und skalieren Sie Anwendungen der generativen KI mit Amazon Bedrock.
- SQL-Analytik – Gewinnen Sie Einblicke mit Amazon Redshift, der preisgünstigsten SQL-Engine.
- Datenverarbeitung – Analyse, Vorbereitung und Integration von Daten für Analytik und KI mithilfe von Open-Source-Frameworks in Amazon Athena, Amazon EMR und AWS Glue.
Warum sollte ich die nächste Generation von SageMaker verwenden?
Die nächste Generation von SageMaker vereint die weit verbreiteten AWS-Funktionen für ML und Analytik und bietet ein integriertes Erlebnis für Analytik und KI mit einheitlichem Zugriff auf alle Ihre Daten. Dieser einheitliche Ansatz hilft Ihnen, effizienter mit Ihren Daten zu arbeiten, die teamübergreifende Zusammenarbeit zu verbessern und die Gesamtproduktivität zu steigern.
SageMaker ermöglicht Ihnen:
- eine schnellere Zusammenarbeit und Entwicklung mit einer einzigen Daten- und KI-Entwicklungsumgebung, in der Sie vertraute AWS-Services für Modellentwicklung, generative KI, Datenverarbeitung und SQL-Analytik nutzen;
- die Entwicklung und Skalierung Ihrer KI-Anwendungsfälle mit einer Vielzahl von Tools zum Trainieren, Anpassen und Bereitstellen von ML und FMs und zum schnellen Erstellen von Anwendungen der generativen KI-Anwendungen, die auf Ihr Unternehmen zugeschnitten sind;
- die Reduzierung von Datensilos mit einem offenen Lakehouse, um all Ihre Daten aus Amazon S3 Data Lakes, Amazon Redshift Data Warehouses und Drittanbieter- oder Verbunddatenquellen zu vereinheitlichen;
- die Erfüllung der Sicherheitsanforderungen Ihres Unternehmens mit integrierter Daten- und KI-Governance, um den Zugriff auf die richtigen Daten, ML-Modelle, generativen KI-Entwicklungsartefakte und Rechenressourcen durch den richtigen Benutzer für den richtigen Zweck zu kontrollieren.
Kann ich einzelne AWS-Services nutzen, ohne SageMaker zu verwenden?
Ja. Sie können einzelne AWS-Services wie Amazon SageMaker AI (ehemals Amazon SageMaker), Amazon EMR für die Verarbeitung von Big Data, AWS Glue und Amazon Redshift für Data Warehousing weiterhin unabhängig von Ihren spezifischen Geschäftsanforderungen nutzen. Es hat keine Auswirkungen darauf, wie Sie Ihre einzelnen Services derzeit nutzen.
Amazon SageMaker bietet einen zusätzlichen Vorteil durch die Bereitstellung einer einheitlichen, benutzerfreundlichen Oberfläche, die den Zugriff auf diese Services ermöglicht. Dieser Ansatz hilft Ihnen, Ihre Daten effektiver zu nutzen, die teamübergreifende Zusammenarbeit zu verbessern und die Gesamtproduktivität zu steigern.
Welche vorhandenen AWS-Services kann ich in SageMaker verwenden?
SageMaker vereint eine umfassende Palette von AWS-KI- und Analytik-Services für SageMaker Unified Studio (Vorversion), Sagemaker-Daten- und KI-Governance und SageMaker Lakehouse.
Von SageMaker Unified Studio aus können Sie mithilfe vorhandener AWS-Services auf Funktionen für Datenverarbeitung, SQL-Analytik, ML und Anwendungsentwicklung mit generativer KI zugreifen. Für die Datenverarbeitung analysieren, bereiten, integrieren und orchestrieren Services wie Athena, AWS Glue, Amazon EMR und Amazon Managed Workflows für Apache Airflow (Amazon MWAA) Daten für Analytik und KI in jeder Größenordnung. Für SQL-Analytik lässt sich Amazon Redshift nahtlos in SageMaker Lakehouse integrieren, um leistungsstarke SQL-Analysefunktionen für Ihre vereinheitlichten Daten in Amazon Redshift Data Warehouses und Amazon S3 Data Lakes bereitzustellen. ML-Funktionen werden von SageMaker AI (früher bekannt als SageMaker) für die Erstellung, Schulung und Bereitstellung von ML und FMs bereitgestellt. Darüber hinaus können Sie generative KI-Anwendungen mithilfe der Amazon-Bedrock-IDE (Vorversion) entwickeln.
SageMaker-Daten- und KI-Governance bietet eine durchgängige, integrierte Governance durch ein einheitliches Datenverwaltungserlebnis im SageMaker-Katalog, der auf Amazon DataZone basiert, um Daten und KI sicher zu erkennen, zu verwalten und gemeinsam zu nutzen.
SageMaker Lakehouse basiert auf mehreren Katalogservices im AWS-Glue-Datenkatalog, AWS Lake Formation und Amazon Redshift, um einen einheitlichen Datenzugriff über Amazon S3 Data Lakes, Amazon Redshift Data Warehouses, Drittanbieter- und Verbunddatenquellen hinweg zu ermöglichen.
Darüber hinaus sind diese Services weiterhin als eigenständige Funktionen über die AWS-Managementkonsole verfügbar, sodass Sie flexibel auf Ihre Anwendungsfälle zugeschnitten sind. Wir werden für die Vereinheitlichung von Erlebnissen in den Bereichen Analytik und KI SageMaker 2025 um weitere Services erweitern. Dazu gehören Suchanalysen mit Amazon OpenSearch Service, Business Intelligence mit Amazon QuickSight und Streaming mit dem AWS-Streaming-Serviceportfolio.
Was sind die ersten Schritte mit SageMaker?
Die ersten Schritte mit Amazon SageMaker sind einfach. Der erste Schritt besteht darin, zur Managementkonsole von Amazon SageMaker Unified Studio (Vorversion) zu navigieren, um eine Domain zu erstellen, die Organisationseinheit für die Verbindung Ihrer Assets, Benutzer und deren Projekte für Ihren Geschäftsbereich. Wählen Sie in der Managementkonsole die Option Domain erstellen aus. Daraufhin werden Ihnen zwei Optionen angezeigt: Quick Setup und manuelle Einrichtung. Wählen Sie Quick Setup, um mit einer Reihe von Standardkonfigurationen zu beginnen, die später angepasst werden können. Alternativ können Sie die manuelle Einrichtung wählen, mit der Sie die volle Kontrolle über Ihre Einstellungen haben, während Sie Ihre Domain erstellen. Sobald Ihre Domain erstellt ist, können Sie zu Amazon SageMaker Unified Studio (einer browserbasierten Webanwendung) navigieren, wo Sie all Ihre Daten und konfigurierten Tools für Analytik und KI verwenden können. Weitere Informationen zu den ersten Schritten finden Sie in der SageMaker-Dokumentation.
Ich verwende derzeit bestehende AWS-Services, die jetzt in SageMaker enthalten sind. Wie führe ich ein Upgrade auf das vereinheitlichte Erlebnis von SageMaker durch?
Ihre vorhandenen Erfahrungen mit der Datenentwicklung in AWS-Services wie Amazon EMR, AWS Glue und Amazon Athena bleiben verfügbar. Das bedeutet, dass alle vorhandenen Codes und Ressourcen, die Sie erstellt haben, weiterhin ohne Unterbrechung verwendet werden können. Wir werden benutzerfreundliche Upgrade-Skripte und umfassende Richtlinien bereitstellen, um Ihre bestehende Codebasis im 1. Quartal 2025 auf das einheitliche SageMaker-Erlebnis zu bringen.
Ist die nächste Generation von SageMaker allgemein verfügbar?
Wir erweitern SageMaker, einen weit verbreiteten ML-Service, um eine Daten- und KI-Plattform, indem wir die umfassenden AWS-Daten-, Analytik- und KI-Tools integrieren, die bereits heute von Kunden verwendet werden. Wir haben dem neuen SageMaker auch neue Funktionen hinzugefügt, darunter das SageMaker Unified Studio (Vorversion), das SageMaker Lakehouse (GA) und den SageMaker-Katalog (GA).
Die nächste Generation von Amazon SageMaker umfasst praktisch alle Komponenten, die Sie für SQL-Analytik mit Amazon Redshift, Datenverarbeitung mit Amazon EMR, KI-Modellentwicklung mit SageMaker AI und generative KI-Anwendungsentwicklung mit der neuen Amazon Bedrock IDE (Vorversion) benötigen. All dies wird durch ein integriertes Entwicklungserlebnis im einheitlichen Studio (Vorversion) bereitgestellt.
Produkterlebnis
Alles öffnenWas ist ein Projekt in SageMaker?
Eine Projektentität in SageMaker hilft Benutzern dabei, ihre Arbeit zu organisieren und den Geschäftskontext für die von ihnen ausgeführten Aufträge bereitzustellen. Sie bietet einen kollaborativen Workspace, in dem Benutzer an Daten und Artefakten wie ML-Modellen, Notebooks, Abfragen, Dashboards und generativen KI-Anwendungen zusammenarbeiten können. Projekte sind abgesichert, so dass nur Benutzer, die dem Projekt ausdrücklich hinzugefügt wurden, auf die Daten und Tools zugreifen können. Das Projekt erstellt Rollen von AWS Identity and Access Management (IAM) auf der Grundlage der vom Projekt ausgewählten Funktionen (z. B. ein Data Lake), die Benutzern den für ihren Auftrag erforderlichen Zugriff gewähren. Projekte bieten außerdem Arbeitsisolierung innerhalb desselben Kontos sowie eine Sicherheitsgrenze (Sicherheitsgruppen- und IAM-Rollen).
Wie verbessert Amazon Q Developer die Produktivität in SageMaker?
Amazon Q Developer ist ein Konversationsassistent der generativen KI, der in das SageMaker-Erlebnis integriert ist und Ihre Produktivität während des gesamten Entwicklungszyklus steigert. Über eine Chat-Oberfläche können Sie natürliche Sprache verwenden, um Fragen zu SageMaker zu stellen, Hilfe beim Programmieren zu erhalten und Ressourcen wie Datensätze zu erkunden. Wenn Sie mit Amazon Q Developer chatten, verwendet Amazon Q Developer den Kontext Ihrer aktuellen Konversation, um Ihnen während der gesamten SageMaker-Entwicklungsphase personalisierte Beratung und automatische Unterstützung zu bieten. Amazon Q Developer kann Ihnen bei Codediskussionen helfen, Inline-Code-Vervollständigungen bereitstellen, SQL-Abfragen generieren, Datensätze finden und integrieren und intelligenten Support bieten, der auf Ihre spezifischen Entwicklungsanforderungen zugeschnitten ist.
Amazon Q Developer versteht die Feinheiten Ihrer Arbeit und bietet gezielte, kontextbezogene Unterstützung, die Ihren Entwicklungsprozess optimiert und die Gesamtproduktivität in der SageMaker-Umgebung steigert.
Welche Tools sind in SageMaker für Analytik- und KI-Aufträge verfügbar?
SageMaker bietet eine einheitliche, webbasierte Umgebung, die leistungsstarke Tools für vollständige Daten- und KI-Workflows vereint. Integrierte IDEs ermöglichen die KI/ML-Entwicklung und die Verarbeitung großer Datenmengen aus verschiedenen Quellen mit Frameworks und Services wie PySpark, AWS Glue und Amazon EMR.
Für Versionskontrolle und Workflow-Management können Sie sich für Git entscheiden und Workflows mithilfe von Amazon MWAA definieren. Mit dem integrierten SQL-Abfrage-Editor können Sie Daten untersuchen, analysieren und visualisieren und Abfragen einfacher speichern und teilen sowie neue Datensätze erstellen.
Die Modellentwicklung wird durch vertraute SageMaker-KI-Tools wie Amazon-SageMaker-Notebooks, JumpStart, HyperPod, MLFlow, Pipelines und Model Registry optimiert. Während dieser Prozesse ist Amazon Q Developer nahtlos in alle SageMaker-Tools integriert und bietet intelligente Unterstützung bei der Datenerkennung, Vorbereitung, Pipeline-Erstellung, Modellerstellung und Training sowie der Codebereitstellung.
Wie erstelle ich generative KI-Anwendungen in SageMaker?
Die Amazon Bedrock IDE (Vorversion), integriert in SageMaker Unified Studio (Vorversion), bietet eine umfassende Umgebung für die Entwicklung generativer KI-Anwendungen. Diese intuitive Benutzeroberfläche hilft Ihnen dabei, die Anwendungsentwicklung in einer vertrauenswürdigen und sicheren Umgebung zu beschleunigen. Sie bietet Zugriff auf die leistungsstarken FMs und die erweiterten Anpassungsfunktionen von Amazon Bedrock.
Sie können leistungsstarke Features wie Amazon-Bedrock-Wissensdatenbanken, Integritätsschutz, Agenten und Prompt-Flows verwenden, sodass Ihr Team generative KI-Anwendungen schnell an Ihre spezifischen Geschäftsanforderungen anpassen und gleichzeitig Ihre Richtlinien für verantwortungsvolle KI einhalten kann. SageMaker unterstützt Ihren kontrollierten Zugriff und ermöglicht eine sichere funktionsübergreifende Zusammenarbeit durch zugriffskontrolliertes Teilen und Git-gestützte Überprüfbarkeit.
Welche Arten von Datenquellen unterstützt SageMaker?
Amazon SageMaker Lakehouse vereinheitlicht Daten aus AWS Data Lakes, Data Warehouses, Drittanbieteranwendungen und Betriebsdatenbanken. Es bietet Ihnen schnellen, optimierten Zugriff auf Ihre Daten an einem Ort durch Null-ETL-Integrationen, Verbundabfragequellen und über 240 Konnektoren.
Wie stelle ich sicher, dass die Daten in SageMaker ordnungsgemäß verwaltet und gesichert werden?
SageMaker bietet eine durchgängige, integrierte Governance durch ein einheitliches Datenverwaltungserlebnis im SageMaker-Katalog, der auf Amazon DataZone basiert. Dieser Ansatz ermöglicht es Ihnen, strukturierte und unstrukturierte Datenbestände, ML-Modelle und Anwendungen in Ihrem Unternehmen zu katalogisieren, zu erkennen, darauf zuzugreifen, zu analysieren und zu verwalten. SageMaker stellt sicher, dass die richtigen Personen den richtigen Zugriff auf die richtigen Ressourcen haben, wobei robuste Sicherheits- und Compliance-Standards eingehalten werden.
Wie erstelle und verwalte ich Datenpipelines in SageMaker?
Sie können Datenpipelines in SageMaker auf verschiedene Arten erstellen und verwalten. Die SageMaker-Datenverarbeitung vereint Amazon EMR, Amazon Athena, AWS Glue und Amazon MWAA, um Ihnen bei der Integration, Vorbereitung und Erkundung Ihrer Daten in einer einheitlichen Umgebung zu helfen. Sie können Pipelines für die ML-spezifische Modellorchestrierung mit SageMaker AI und Datenpipelines und Workflows mit Amazon MWAA erstellen. Sie können auch Null-ETL-Integrationen verwenden, die die Datenverlagerung vereinfachen, indem komplexe Prozesse von Extract, Transform, Load (ETL) entfallen und eine direkte Datenreplikation zwischen Services ermöglicht wird. Besuchen Sie Was ist Null-ETL?, um mehr zu erfahren.
Preise
Alles öffnenWie funktioniert die Preisgestaltung bei SageMaker?
Wenn Sie Amazon SageMaker verwenden, wird Ihnen das Preismodell für die verschiedenen AWS-Services, auf die Sie über Amazon SageMaker zugreifen können, in Rechnung gestellt. Für die Nutzung von Amazon SageMaker Unified Studio (Vorversion), der Daten- und KI-Entwicklungsumgebung, die das integrierte Erlebnis in Amazon SageMaker bietet, fallen keine zusätzlichen Kosten an. Weitere Informationen finden Sie auf der Amazon-SageMaker-Preisseite zu den SageMaker-Preisen.
Kann ich SageMaker kostenlos testen?
Das kostenlose Kontingent von SageMaker hilft Ihnen, schnell und kostenlos mit Innovationen im Bereich Daten und KI zu beginnen. Details finden Sie in der Preisgestaltung von SageMaker.
Verfügbarkeit
Alles öffnenIn welchen AWS-Regionen ist SageMaker verfügbar?
Die nächste Generation von SageMaker ist in den AWS-Regionen USA Ost (Nord-Virginia), USA Ost (Ohio), USA West (Oregon), Asien-Pazifik (Tokio) und Europa (Irland) verfügbar. SageMaker Unified Studio und Amazon Bedrock IDE sind in denselben AWS-Regionen als Vorversion verfügbar. Zukünftige Aktualisierungen finden Sie in der Liste der regionalen AWS-Services.
Bietet SageMaker ein SLA an?
Ja. SageMaker wurde entwickelt, um die konsistente Leistung und Betriebszeit zu bieten, die unternehmenskritische Analytik und KI-Workloads erfordern. Da es sich um eine einheitliche Plattform handelt, die aus mehreren Servicekomponenten besteht, ist die Serviceverfügbarkeit an die verwendete Servicekomponente gebunden.
Detaillierte Informationen zu den Service Level Agreements (SLAs) für jeden einzelnen Service finden Sie in der jeweiligen SLA-Dokumentation. SLAs bieten Ihnen die spezifischen Betriebszeitgarantien und Zuverlässigkeitszusagen für die verschiedenen Services, die das SageMaker-Erlebnis ausmachen.
Die verfügbare SLA-Dokumentation umfasst: