Características clave

Conéctese a más de 40 orígenes de datos de AWS y de terceros, importe datos, verifique la calidad de los datos, diseñe características de modelos con más de 300 transformaciones de datos integradas y guárdelas en el Almacén de características de SageMaker con unos pocos clics mediante SageMaker Data Wrangler. Puede crear o programar trabajos de Data Wrangler para procesar datos a escala y automatizar los pasos de preparación de datos en el flujo de trabajo de ML mediante SageMaker Pipelines.

Simplifique sus flujos de trabajo de datos con un entorno de cuadernos unificado para ingeniería de datos, análisis y ML. Cree, explore y conéctese a clústeres de Amazon EMR y sesiones interactivas de AWS Glue directamente desde los cuadernos de Studio. Supervise y depure trabajos de Spark con herramientas conocidas, como la interfaz de usuario de Spark, directamente desde los cuadernos. Utilice la capacidad de preparación de datos integrada con tecnología de SageMaker Data Wrangler directamente desde los cuadernos de Studio para visualizar datos, identificar problemas de calidad de datos y aplicar soluciones recomendadas a fin de mejorar la calidad de los datos y la precisión del modelo sin escribir una sola línea de código.

Conéctese a almacenes de datos, active los recursos para ejecutar su trabajo de procesamiento de datos, guarde el resultado en un almacenamiento persistente y proporcione registros y métricas mediante el Procesamiento de SageMaker.

Almacene, comparta y administre las características del modelo de ML para el entrenamiento y la inferencia a fin de promover la reutilización de características en aplicaciones de ML mediante el Almacén de características de SageMaker, un repositorio completamente administrado y personalizado, en SageMaker Studio. De esta manera, obtiene las mismas características de forma constante tanto durante el entrenamiento como durante la inferencia, lo que le ahorra meses de esfuerzo de desarrollo.

Acceda a los cuadernos de Jupyter completamente administrados en SageMaker Studio con un solo clic. Los cuadernos de SageMaker Studio vienen preconfigurados con entornos de aprendizaje profundo para TensorFlow y PyTorch (optimizados para AWS) de manera que sea posible comenzar a crear modelos con rapidez. Puede aumentar o disminuir los recursos informáticos subyacentes sin interrumpir su trabajo.

Edite de forma conjunta el mismo archivo de cuaderno, ejecute el código del cuaderno en simultáneo y revise los resultados en grupo para agilizar la colaboración. Todos los recursos se etiquetan de forma automática, lo que facilita el control del costo y el uso de SageMaker Studio.

Utilice más de 15 algoritmos integrados disponibles en imágenes de contenedores prediseñadas para entrenar y ejecutar inferencias rápidamente, o traiga sus propias imágenes personalizadas a SageMaker Studio.

Cree, entrene y ajuste de forma automática los mejores modelos de ML en función de sus datos, mientras mantiene el control y la visibilidad totales con el Piloto automático de SageMaker. Luego implemente modelos directamente en producción con solo un clic. También puede generar de forma automática un cuaderno de SageMaker Studio para cualquier modelo que cree el Piloto automático de SageMaker y sumergirse en los detalles de cómo se creó, refinarlo como lo desee y recrearlo a partir del cuaderno.

Comience a utilizar rápidamente ML gracias a cientos de soluciones prediseñadas que se pueden implementar con tan solo unos pocos clics mediante SageMaker JumpStart.

Configure un clúster de computación distribuida, realice el entrenamiento, envíe los resultados a Amazon Simple Storage Service (S3) y elimine el clúster con un solo clic. Entrene modelos a escala con el uso de las bibliotecas de datos y modelos paralelos de SageMaker, y acelere el proceso de entrenamiento hasta en un 50 % a través de optimizaciones a nivel de núcleo y gráfico mediante el Compilador de entrenamiento de SageMaker. Puede reducir los costos hasta en un 90 % mediante el entrenamiento de instancias de spot administradas.

Realice un seguimiento de las iteraciones de los modelos de ML mediante la captura de los parámetros de entrada, las configuraciones y los resultados, que puede almacenar como experimentos con Experimentos de SageMaker. Puede explorar experimentos activos, buscar y revisar experimentos anteriores y comparar resultados entre experimentos.

Ajuste automáticamente su modelo mediante la adecuación de miles de combinaciones de parámetros de algoritmos para lograr las predicciones más precisas que el modelo es capaz de generar y ahorre semanas de esfuerzo.

Registre trabajos de entrenamiento de perfiles y métricas en tiempo real para que pueda corregir los problemas de rendimiento rápidamente antes de que el modelo se implemente en producción con el Depurador de SageMaker.

Implemente su modelo entrenado en producción con un solo clic. Acceda al despliegue de modelos de SageMaker dentro de SageMaker Studio para atender todas sus necesidades de inferencia, desde baja latencia (unos pocos milisegundos) y alto rendimiento (cientos de miles de solicitudes por segundo) hasta inferencia de ejecución prolongada para casos de uso como procesamiento de lenguaje natural y visión artificial.

Implemente miles de modelos en un solo punto de conexión mediante los puntos de conexión de varios modelos y los puntos de conexión de varios contenedores de SageMaker, lo que mejora la rentabilidad y proporciona la flexibilidad para usar modelos con la frecuencia que los necesite.

Realice un seguimiento de las versiones del modelo, sus metadatos y el rendimiento con el registro de modelos de SageMaker, lo que facilita la elección del modelo adecuado para el despliegue en función de los requisitos de su empresa. Además, puede registrar automáticamente flujos de trabajo de aprobación para fines de auditoría y cumplimiento.

Combine las prácticas de integración y entrega continuas (CI/CD) y el ML con los proyectos de SageMaker, como mantener la paridad entre los entornos de desarrollo y producción, el control de versiones y orígenes, las pruebas A/B y la automatización.

Mantenga la calidad al detectar las desviaciones del modelo y del concepto en tiempo real con el Monitor de modelos de SageMaker dentro de SageMaker Studio. Todos los modelos entrenados en SageMaker emiten automáticamente métricas clave que pueden recopilarse y visualizarse en SageMaker Studio.

Una vez que se selecciona un cuaderno, el cuaderno de Amazon SageMaker Studio toma una instantánea de todo el cuaderno, empaqueta sus dependencias en un contenedor, crea la infraestructura, ejecuta el cuaderno como un trabajo automatizado en un programa establecido por el profesional y desaprovisiona la infraestructura al finalizar el trabajo, lo que reduce el tiempo que se tarda en mover un cuaderno a producción de semanas a horas.

Automatice todo el flujo de trabajo de creación de modelos, incluida la preparación de datos, la ingeniería de características, el entrenamiento de modelos, el ajuste de modelos y la validación de modelos con Canalizaciones de SageMaker. Puede configurar Canalizaciones de SageMaker para que se ejecuten automáticamente a intervalos regulares o cuando se produzcan ciertos eventos, o puede ejecutarlas de forma manual según sea necesario.