Publié le: Aug 15, 2018
Ce Quick Start élabore un environnement Data Lake pour la création, l’entraînement et le déploiement de modèles de Machine Learning avec Amazon SageMaker sur le Cloud Amazon Web Services (AWS). Le déploiement prend environ 10 à 15 minutes et utilise des services AWS tels qu’Amazon Simple Storage Service (Amazon S3), Amazon API Gateway, Amazon Kinesis Data Streams et Amazon Kinesis Data Firehose.
Amazon SageMaker est une plate-forme gérée permettant aux développeurs et aux informaticiens de créer, de former et de déployer des modèles ML rapidement et facilement.
Ce Quick Start permet des analyses de science des données de bout en bout pour la création de modèles prédictifs et prescriptifs, sans avoir à configurer des clusters matériels de ML complexes.
Ce Quick Start fournit une démo de Pariveda Solutions. Il montre comment stocker les données brutes dans Amazon S3, les transformer pour qu’elles soient consommées par Amazon SageMaker, comment utiliser Amazon SageMaker pour créer un modèle et comment héberger le modèle dans une API de prédiction pour la tarification Spot Amazon Elastic Compute Cloud (Amazon EC2).
Pour commencer :
- Affichez l'architecture et les détails
- Consultez le manuel de déploiement pour obtenir des instructions
- Téléchargez les modèles AWS CloudFormation qui automatisent le déploiement
Pour des déploiements de référence AWS Quick Start supplémentaires, consultez notre catalogue.
Les Quick Starts sont des déploiements de référence automatisés qui utilisent les modèles AWS CloudFormation pour déployer des technologies clés sur AWS, d'après les bonnes pratiques AWS. Ce Quick Start a été élaboré en collaboration avec Pariveda Solutions, Inc.