Amazon SageMaker
Aprendizaje automático al alcance de cualquier científico de datos y desarrollador
Amazon SageMaker ayuda a los científicos de datos y a los desarrolladores a preparar, crear, entrenar e implementar con rapidez modelos de aprendizaje automático de alta calidad al poner a disposición un amplio conjunto de capacidades especialmente creadas para el aprendizaje automático.
El servicio de aprendizaje automático más completo
Acelere la innovación con las herramientas especialmente creadas para cada paso del desarrollo de aprendizaje automático, incluidos la aplicación de etiquetas, la preparación de los datos, la ingeniería de características, la detección de tendencias estadísticas, el aprendizaje automático automatizado, el entrenamiento, la adaptación, el alojamiento, la explicabilidad, el monitoreo y los flujos de trabajo.
El primer entorno de desarrollo integrado (IDE) para aprendizaje automático
Aumente su productividad con Amazon SageMaker Studio, el primer entorno de desarrollo completamente integrado que se ha diseñado específicamente para el aprendizaje automático y que trae todo lo que se necesita para el aprendizaje automático en una interfaz de usuario visual unificada.
Funcionalidad diseñada desde cero para trabajar en conjunto
Utilice las capacidades integradas de Amazon SageMaker para el desarrollo del aprendizaje automático para poder eliminar meses de escritura de código de integración personalizado y, a la larga, reducir costos.
Funcionamiento
-
Información general
-
Detalles
-
Información general
-
-
Detalles
-
Capacidad de SageMaker Descripción Ajuste de modelo automático Optimización de hiperparámetros Algoritmos propios e integrados Decenas de algoritmos optimizados o algoritmos propios Bibliotecas de entrenamiento distribuido: NOVEDAD
Entrenamiento de grandes conjuntos de datos y modelos Integración con Kubernetes y Kubeflow Simplificación del aprendizaje automático basado en Kubernetes Modo local Prueba y prototipo en su máquina local Managed Spot Training Reducción del costo de entrenamiento en un 90 % Puntos de enlace de varios modelos Reducción de los costos al alojar varios modelos por instancia Implementación con un solo clic Completamente administrado, latencia ultrabaja, rendimiento alto Entrenamiento con un solo clic Administración distribuida de la infraestructura SageMaker Autopilot Creación automática de modelos de aprendizaje automático con visibilidad total SageMaker Clarify: NOVEDAD
Detección de tendencias y comprensión de las predicciones de los modelos SageMaker Data Wrangler: NUEVA Incorporación y preparación de datos para el aprendizaje automático SageMaker Debugger Ejecuciones de depuración y entrenamiento de perfiles SageMaker Edge Manager: NOVEDAD Administración y monitoreo de modelos en dispositivos de borde
SageMaker Experiments Registro, organización y comparación en cada paso SageMaker Feature Store: NOVEDAD Almacenamiento, actualización, recuperación y uso compartido de características SageMaker Ground Truth Etiquetado de los datos de entrenamiento para el aprendizaje automático SageMaker JumpStart: NOVEDAD Soluciones prediseñadas para casos de uso comunes SageMaker Model Monitor Mantenimiento de la precisión de los modelos implementados SageMaker Pipelines: NOVEDAD Organización y automatización de los flujos de trabajo SageMaker Processing Python integrado, BYO R/Spark SageMaker Studio Entorno de desarrollo integrado (IDE) para aprendizaje automático Blocs de notas de SageMaker Studio Blocs de notas de Jupyter con cálculo elástico y uso compartido
Uno de los servicios con más rápido crecimiento en la historia de AWS
Amazon SageMaker se ha creado sobre la base de dos décadas de experiencia de Amazon en el desarrollo de aplicaciones de aprendizaje automático del mundo real, que incluye las recomendaciones de productos, su personalización, la compra inteligente, la robótica y los dispositivos de voz asistida.
10 veces
más productividad grupal
90 %
de reducción de costos con Managed Spot Training
75 %
menos de costos de inferencia
54 %
70 %
198
22
Amazon SageMaker es compatible con los marcos y conjuntos de herramientas de machine learning líderes
Características clave para la preparación de los datos y para la creación, el entrenamiento y la implementación de modelos de machine learning
Mejore la productividad gracias al primer entorno de desarrollo completamente integrado (IDE) para aprendizaje automático
Amazon SageMaker Studio proporciona una única interfaz visual basada en la web donde puede realizar todos los pasos de desarrollo de aprendizaje automático necesarios para preparar los datos y para crear, entrenar e implementar modelos.
Cree, entrene y ajuste modelos de forma automática
Amazon SageMaker Autopilot selecciona los mejores algoritmos de predicción y automáticamente crea, entrena y ajusta los modelos de aprendizaje automático sin ninguna pérdida de visibilidad ni control.
Reduzca los costos de etiquetado de datos hasta un 70 %
Amazon SageMaker Ground Truth facilita la aplicación de etiquetas de forma más precisa en conjuntos de datos de entrenamiento para una variedad de casos de uso, incluidos las nubes de puntos en 3D, los videos, las imágenes y el texto.
La manera más rápida y sencilla de preparar los datos para el aprendizaje automático
Amazon SageMaker Data Wrangler reduce el tiempo que tarda en preparar los datos para el aprendizaje automático de semanas a minutos. Con unos pocos clics, puede completar cada paso del flujo de trabajo de preparación de datos, incluidas la selección, la limpieza, la exploración y la visualización de los datos.
Almacén de características especialmente creado para el aprendizaje automático
Amazon SageMaker Feature Store brinda un repositorio para almacenar, actualizar, recuperar y compartir características del aprendizaje automático. SageMaker Feature Store ofrece una visualización consistente de las características que pueden usar los modelos de aprendizaje automático, de manera que hace que sea significativamente más fácil generar modelos que produzcan predicciones de alta precisión.
Entrene modelos de alta calidad con mayor rapidez
Amazon SageMaker proporciona un depurador integrado y un generador de perfiles para que pueda identificar y reducir los errores de entrenamiento y los cuellos de botella de rendimiento de los modelos antes de implementarlos en la etapa de producción.
Implementación en la nube con un solo clic
Amazon SageMaker facilita la implementación de su modelo entrenado en la etapa de producción con un solo clic, de manera que pueda comenzar a generar predicciones para los datos en lotes o en tiempo real.
Mejore la calidad de los modelos en los dispositivos de borde
Amazon SageMaker Edge Manager lo ayuda a optimizar, proteger, monitorear y mantener los modelos de aprendizaje automático en las flotas de dispositivos de borde para garantizar que los modelos implementados en dichos dispositivos funcionen de manera correcta.
Características fundamentales del aprendizaje automático en etapa de producción
Automatice los flujos de trabajo del aprendizaje automático
Amazon SageMaker Pipelines es el primer servicio de integración y entrega continuas (CI/CD) fácil de usar y especialmente creado para el aprendizaje automático. Los flujos de trabajo se pueden compartir y reutilizar entre los equipos.
Detecte tendencias y comprenda predicciones
Amazon SageMaker Clarify proporciona detección de tendencias en el flujo de trabajo del aprendizaje automático, lo que le permite crear una mayor imparcialidad y transparencia en su modelo de aprendizaje automático. SageMaker Clarify también incluye gráficos de importancia de funciones que le ayudan a explicar las predicciones de los modelos y produce informes que pueden usarse para sustentar presentaciones internas o identificar problemas con el modelo para poder tomar medidas para corregirlos.
Proteja sus datos y su código en todo el ciclo de vida del aprendizaje automático
Amazon SageMaker ofrece un conjunto completo de características de seguridad, que incluye el cifrado, la conectividad de redes privadas, la autorización, la autenticación, el monitoreo y la auditoría, para ayudar a su organización con los requisitos de seguridad que se puedan aplicar a los cargas de trabajo de aprendizaje automático.
Características fundamentales del aprendizaje automático en etapa de producción
Automatice los flujos de trabajo del aprendizaje automático
Amazon SageMaker Pipelines es el primer servicio de integración y entrega continuas (CI/CD) fácil de usar y especialmente creado para el aprendizaje automático. Los flujos de trabajo se pueden compartir y reutilizar entre los equipos.
Mejore la transparencia
Amazon SageMaker Clarify proporciona detección de tendencias en el flujo de trabajo del aprendizaje automático, lo que le permite crear una mayor imparcialidad y transparencia en su modelo de aprendizaje automático. SageMaker Clarify también incluye gráficos de importancia de funciones que le ayudan a explicar las predicciones de los modelos y produce informes que pueden usarse para sustentar presentaciones internas o identificar problemas con el modelo para poder tomar medidas para corregirlos.
Proteja sus datos y su código en todo el ciclo de vida del aprendizaje automático
Amazon SageMaker ofrece un conjunto completo de características de seguridad, que incluye el cifrado, la conectividad de redes privadas, la autorización, la autenticación, el monitoreo y la auditoría, para ayudar a su organización con los requisitos de seguridad que se puedan aplicar a los cargas de trabajo de aprendizaje automático.
Clientes de Amazon SageMaker
Decenas de miles de clientes pertenecientes a una amplia variedad de sectores usan Amazon SageMaker.
Comience a usar Amazon SageMaker JumpStart
Amazon SageMaker es un servicio de aprendizaje automático que puede utilizar para crear, entrenar e implementar modelos de aprendizaje automático para prácticamente cualquier caso de uso. Para obtener una introducción técnica rápida, consulte la guía paso a paso de SageMaker. Para ayudarlo a comenzar su proyecto de aprendizaje automático, Amazon SageMaker JumpStart ofrece un conjunto de soluciones prediseñadas para los casos de uso más comunes que puede implementar con unos pocos clics. Estas soluciones son completamente personalizables, por lo que puede modificarlas para que se ajusten a las necesidades de su caso de uso específico y de sus conjuntos de datos.
Mantenimiento predictivo
Georgia Pacific utiliza SageMaker para desarrollar modelos de aprendizaje automático que detectan problemas en las máquinas de forma temprana.
Visión artificial
3M utiliza modelos de detección de defectos creados con SageMaker para mejorar la efectividad de sus procesos de control de calidad.
Conducción autónoma
Level 5 de Lyft se estandarizó en SageMaker para el entrenamiento y redujo los tiempos de entrenamiento de modelos de días a menos de un par de horas.