Publicado en: Aug 15, 2018
El Quick Start crea un entorno de lago de datos para crear, entrenar e implementar modelos de aprendizaje automático (ML) con Amazon SageMaker en la nube de Amazon Web Services (AWS). La implementación lleva aproximadamente de 10 a 15 minutos y usa servicios de AWS como Amazon Simple Storage Service (Amazon S3), Amazon API Gateway, Amazon Kinesis Data Streams y Amazon Kinesis Data Firehose.
Amazon SageMaker es una plataforma administrada que permite a los desarrolladores y científicos de datos crear, entrenar e implementar modelos de ML de manera rápida y sencilla.
El Quick Start permite realizar tareas de ciencia de datos integrales para la creación de modelos predictivos y prescriptivos sin necesidad de configurar clústeres de hardware de ML complejos.
El Quick Start ofrece una demostración de Pariveda Solutions. Muestra cómo almacenar datos sin formato en Amazon S3, cómo transformarlos para utilizarlos en Amazon SageMaker, cómo usar Amazon SageMaker para crear un modelo y cómo alojar el modelo en una API de predicción para obtener precios de Spot para Amazon Elastic Compute Cloud (Amazon EC2).
Para comenzar:
- Consulte la arquitectura y los detalles.
- Consulte la guía de implementación para leer instrucciones.
- Descargue las plantillas de AWS CloudFormation que automatizan la implementación.
Para obtener más implementaciones de referencia de AWS Quick Start, consulte nuestro catálogo.
Los Quick Starts son implementaciones de referencia automatizadas que utilizan plantillas de AWS CloudFormation para implementar tecnologías clave y que respetan las prácticas recomendadas de AWS. Este Quick Start se diseñó en colaboración con Pariveda Solutions, Inc.