Publié le: Dec 8, 2020
Amazon SageMaker JumpStart vous permet de commercialiser facilement et rapidement des applications de machine learning (ML) en utilisant des solutions préconçues pour les cas d'utilisation courants et les modèles open source de modèles Zoos populaires.
De nos jours, beaucoup de développeurs en ML trouve qu'il est difficile de commencer à utiliser le machine learning. Ces développeurs en ML souhaitent mettre des modèles en place, puis les exécuter et les intégrer à des solutions pour résoudre leurs problèmes commerciaux. Toutefois, le processus de création, de formation et de déploiement d'un modèle et le regroupement des différents composants peut prendre des mois, voire plus, pour les professionnels expérimentés ou les développeurs en ML qui débutent dans le machine learning.
Pour faciliter le démarrage, Amazon SageMaker JumpStart fournit un ensemble de solutions pour les cas d'utilisation les plus courants pouvant être déployés en quelques clics, tels que la détection des fraudes, la maintenance prévisionnelle et la prévision de la demande. Les solutions sont entièrement personnalisables et présentent l'utilisation des modèles AWS CloudFormation ainsi que les architectures de référence pour que vous puissiez accélérez votre adoption du ML. Amazon SageMaker JumpStart permet également de déployer et de régler en un clic plus de 150 modèles pré-entraînés de modèles Zoos populaires, dont PyTorch Hub et TensorFlow Hub. Les fonctionnalités de déploiement et de réglage en un clic sont également disponibles pour le traitement du langage naturel, la détection d'objets et les modèles de classification d'images afin que vous puissiez réduire le temps de déploiement des modèles open source de votre propre cas d'utilisation.
À compter d'aujourd'hui, Amazon SageMaker JumpStart est désormais disponible au public dans toutes les régions où Amazon SageMaker Studio est disponible. Pour démarrer avec Amazon SageMaker JumpStart, lisez le blog ou reportez-vous à la documentation.