Introducción

Amazon SageMaker es un servicio modular completamente administrado que permite a los desarrolladores y científicos de datos crear, entrenar e implementar modelos de aprendizaje automático a escala. Comience con estos recursos para desarrolladores, para que pueda pasar rápidamente del concepto a la producción.

Introducción a Amazon SageMaker

Obtenga más información acerca de cómo crear, entrenar e implementar módulos de Amazon SageMaker.

Amazon SageMaker (1:03)

GUÍA PARA DESARROLLADORES


Siga esta guía paso a paso para empezar a utilizar Amazon SageMaker rápidamente.

TUTORIAL


Descubra cómo comenzar a utilizar Amazon SageMaker en 10 minutos.

SEMINARIO WEB


En esta charla técnica bajo demanda, aprenda a administrar el flujo de trabajo completo de ML en un solo panel con Amazon SageMaker Studio. Con SageMaker Studio, puede escribir código, realizar un seguimiento de experimentos, visualizar datos y realizar depuración y monitoreo, todo dentro de una única interfaz visual integrada, que aumenta considerablemente la productividad del desarrollador.

CURSO DE FORMACIÓN TÉCNICA


En este curso de formación técnica, aprenda a usar Amazon SageMaker para simplificar la integración del aprendizaje automático en sus aplicaciones. Los temas clave incluyen: una descripción general del aprendizaje automático y los problemas que puede ayudar a resolver, mediante el uso de Jupyter Notebook para entrenar un modelo basado en los algoritmos integrados de Amazon SageMaker y el uso de Amazon SageMaker para publicar el modelo validado. Al finalizar el curso habrá creado una aplicación sin servidor que se integra con el punto de enlace publicado por Amazon SageMaker.

CURSO DE FORMACIÓN TÉCNICA


En este curso de formación técnica, aprenderá cómo implementar una canalización de aprendizaje automático mediante Amazon SageMaker y Amazon SageMaker Ground Truth. Primero creará un conjunto de datos etiquetado, luego creará un trabajo de capacitación para entrenar su modelo de detección de objetos y, finalmente, usará Amazon SageMaker para crear y actualizar su modelo.

Flujos de trabajo de aprendizaje automático seguros y conformes con Amazon SageMaker

¿Alguna vez se ha preguntado cómo crear un flujo de trabajo de aprendizaje automático seguro y conforme de extremo a extremo para servicios financieros? Eche un vistazo a esta demostración en video, en la que tratamos los patrones y requisitos habituales necesarios en sectores altamente regulados para sus casos de uso con aprendizaje automático seguro.

Flujos de trabajo de aprendizaje automático seguros con Amazon SageMaker (58:37)

Cree modelos de aprendizaje automático

Utilice el módulo de creación de SageMaker para recopilar y preparar datos de entrenamiento, acceder a blocs de notas prediseñados y aprovechar los algoritmos integrados de alto rendimiento.

GUÍA PARA DESARROLLADORES


Aprenda a crear un modelo de aprendizaje automático con los pasos y recursos que se describen en esta guía.

VÍDEO


En este vídeo, aprenda todo sobre las instancias de blocs de notas totalmente administradas con Amazon SageMaker.

Dive deep into fully-managed notebook instances (16:44)

BLOG


Lea este blog y aprenda a utilizar los flujos de trabajo comunes mediante las instancias de blocs de notas de Amazon SageMaker.

LABORATORIO PRÁCTICO


Acceda a amplios repositorios de blocs de notas de SageMaker en GitHub.

LABORATORIO PRÁCTICO


Utilice los algoritmos integrados en Amazon SageMaker que son más rápidos y económicos que las alternativas populares.

VÍDEO


En este vídeo, conozca los algoritmos de alto rendimiento integrados en Amazon SageMaker.

Leverage high-performance built-in machine learning algorithms (15:37)

Entrene y ajuste modelos de aprendizaje automático

Utilice el módulo de formación técnica para configurar entornos de formación con un solo clic y optimizar su modelo mediante el ajuste de módulo automático

GUÍA PARA DESARROLLADORES


Lea una descripción de cómo entrenar modelos de aprendizaje automático mediante Amazon SageMaker.

VÍDEO


En este vídeo, aprenderá a entrenar y ajustar sus modelos de aprendizaje automático con la mayor precisión con Amazon SageMaker.

Train and tune ML models with Amazon SageMaker (18:29)

BLOG


Organice y rastree las iteraciones de entrenamiento de forma eficiente con los experimentos de Amazon SageMaker. Entrenar un modelo de aprendizaje automático normalmente implica un buen número de iteraciones para aislar y medir el impacto de los conjuntos de datos cambiantes, las versiones de algoritmos y los parámetros del modelo. Los experimentos de SageMaker ayudan a administrar estas iteraciones al capturar de forma automática los parámetros de entrada, las configuraciones y los resultados, e identificar el experimento con mejor rendimiento.

 

LABORATORIO PRÁCTICO


Pruebe estos ejemplos de utilización de ajuste de hiperparámetros a través de diferentes algoritmos y marcos de aprendizaje profundo.

BLOG


Aprenda cómo ahorrar hasta un 90 % en costos de entrenamiento mediante el uso de las instancias de spot de Amazon EC2 con Managed Spot Training. Las instancias de spot consisten en espacio de capacidad de cómputo. Los trabajos de entrenamiento se ejecutan de forma automática cuando hay capacidad sobrante disponible. Las ejecuciones de entrenamiento son resilientes a las interrupciones causadas por los cambios en la capacidad, lo que permite ahorrar costos cuando cuenta con flexibilidad con respecto a cuándo ejecutar los trabajos de entrenamiento.

SEMINARIO WEB


Con esta presentación técnica de modalidad bajo demanda, aprenderá a usar Amazon SageMaker Experiments y conocerá de qué manera Amazon SageMaker Debugger mejora la calidad de los modelos mediante la optimización del entrenamiento y el ajuste de modelos. Verá cómo administrar iteraciones con el registro automático de parámetros de entrada, configuraciones y resultados, así como también de métricas generadas en tiempo real durante la fase de entrenamiento, como matrices de confusión, y entrenamiento y validación.

Implemente modelos de aprendizaje automático

Utilice el módulo de implementación para implementar los modelos de aprendizaje automático en la producción con un solo clic.

GUÍA PARA DESARROLLADORES


Siga la guía paso a paso para implementar modelos de aprendizaje automático en la infraestructura de mayor rendimiento.

VÍDEO


En este vídeo, aprenderá cómo implementar sus modelos de aprendizaje automático a la producción en la infraestructura más escalable.

Deploy ML models from experimentation to production (7:52)

LABORATORIO PRÁCTICO


Siga los ejemplos en GitHub para utilizar Amazon SageMaker y AWS Step Functions para automatizar la creación, entrenamiento e implementación de modelos de aprendizaje automático personalizados.

BLOG


Aprenda a utilizar las capacidades de implementación de SageMaker, incluidas las pruebas A/B y Auto Scaling, que proporcionan un alto rendimiento y una alta disponibilidad para los modelos de aprendizaje automático.

BLOG


En este blog, aprenderá a conservar la calidad de los modelos de aprendizaje automático durante la producción, cuando ocurren modificaciones como el cambio de concepto, mediante el monitor de modelos de Amazon SageMaker. Inclusive, puede recibir alertas cuando surgen problemas relacionados con la calidad de los datos y así tomar las medidas necesarias.

BLOG


En este blog, aprenderá cómo puede crear, entrenar e implementar modelos fastai en la capacitación y alojamiento de Amazon SageMaker mediante Amazon SageMaker Python SDK y una imagen base de PyTorch. Puede evitar los pasos adicionales de crear su propio contenedor.

Recursos adicionales

SDK

Facilite el uso de Amazon SageMaker en las aplicaciones mediante API adaptadas a la plataforma o al lenguaje de programación.

Novedades

Los anuncios de novedades son resúmenes generales sobre lanzamientos y actualizaciones de características. Lea las actualizaciones específicas de Amazon SageMaker, así como otros anuncios de AWS.

Leer ahora »

No se han encontrado publicaciones de blog en este momento. Consulte el Blog de AWS para obtener otros recursos. 

Más información acerca de las características de Amazon SageMaker

Visite las páginas de características
¿Tiene más preguntas?
Contacte con nosotros