Amazon SageMaker
Le machine learning pour chaque scientifique des données et chaque développeur
Amazon SageMaker aide les scientifiques des données et les développeurs à préparer, créer, entraîner et déployer rapidement des modèles de machine learning (ML) de haute qualité en rassemblant un large ensemble de fonctionnalités spécialement conçues pour le ML.
Le service de ML le plus complet
Accélérer l'innovation grâce à des outils spécialement conçus pour chaque étape du développement du machine learning, notamment l'étiquetage, la préparation des données, l'ingénierie des caractéristiques, la détection des biais statistiques, l'auto-ML, l'entraînement, l'ajustement, l'hébergement, l'explicabilité, la surveillance et les flux de travail.
Le premier environnement de développement intégré (IDE) dédié au machine learning
Boostez votre productivité en utilisant Amazon SageMaker Studio, le premier environnement de développement entièrement intégré conçu spécifiquement pour le ML qui réunit tout ce dont vous avez besoin pour le ML dans une interface utilisateur visuelle unifiée.
Des fonctionnalités conçues dès le départ pour fonctionner ensemble
Utilisez les capacités intégrées d'Amazon SageMaker pour le développement de ML, afin d'éliminer des mois d'écriture de code d'intégration personnalisé et, au final, de réduire les coûts.
Fonctionnement
-
Présentation
-
Présentation détaillée
-
Présentation
-
-
Présentation détaillée
-
Capacité de SageMaker Description Ajustement automatique de modèle Optimisation des hyperparamètres Algorithmes intégrés ou réutilisez les vôtres Des dizaines d'algorithmes optimisés ou réutilisez les vôtres Entraînement distribué - NOUVEAU
Entraînement de larges ensembles de données et modèles Intégration de Kubernetes et Kubeflow Simplifier le machine learning basé sur Kubernetes Mode local Tester et prototyper sur votre machine locale Entraînement Spot géré Réduire les coûts d'entraînement de 90 % Points de terminaison à plusieurs modèles Réduire les coûts en hébergeant plusieurs modèles par instance Déploiement en un clic Entièrement géré, latence ultra faible, débit élevé Entraînement en un clic Gestion des infrastructures distribuées SageMaker Autopilot Créer automatiquement des modèles de machine learning avec une visibilité complète SageMaker Clarify - NOUVEAU
Détecter les biais et comprendre les prédictions des modèles SageMaker Data Wrangler - NOUVEAU Agréger et préparer les données pour le machine learning SageMaker Debugger Déboguer et profiler les exécutions d'entraînements SageMaker Edge Manager - NOUVEAU Gérer et surveiller les modèles sur les appareils de périphérie
SageMaker Experiments Capturer, organiser et comparer chaque étape SageMaker Feature Store - NOUVEAU Stocker, mettre à jour, récupérer et partager des caractéristiques SageMaker Ground Truth Étiqueter les données d'entraînement pour machine learning SageMaker JumpStart - NOUVEAU Solutions préconçues pour les cas d'utilisation courants SageMaker Model Monitor Maintenir la précision des modèles déployés SageMaker Pipelines - NOUVEAU Orchestration et automatisation des flux de travail SageMaker Processing Python intégré, BYO R/Spark SageMaker Studio Environnement de développement intégré (IDE) dédié au machine learning Blocs-notes SageMaker Studio Blocs-notes Jupyter avec calcul élastique et partage
L'un des services à la croissance la plus rapide de l'histoire d'AWS
Amazon SageMaker s'appuie sur deux décennies d'expérience d'Amazon en matière de développement d'applications de machine learning du monde réel, notamment les recommandations de produits, la personnalisation, les achats intelligents, la robotique et les appareils à assistance vocale.
10x
plus de productivité dans les équipes
90 %
de réduction des coûts avec l'entraînement Spot géré
75 %
de réduction des coûts pour l'inférence
54 %
70 %
198
22
Amazon SageMaker prend en charge les frameworks de machine learning de premier plan
Fonctionnalités clés pour préparer les données et créer, entraîner et déployer des modèles de ML
Améliorer la productivité en utilisant le premier environnement de développement intégré (IDE) dédié au machine learning
Amazon SageMaker Studio fournit une interface graphique Web unique où vous pouvez effectuer toutes les étapes de développement du ML nécessaires à la préparation des données, ainsi qu'à la création, l'entraînement et le déploiement des modèles.
Créer, entraîner et ajuster les modèles automatiquement
Amazon SageMaker Autopilot sélectionne le meilleur algorithme pour la prédiction et crée, entraîne et ajuste automatiquement des modèles de machine learning sans perte de visibilité ou de contrôle.
Réduisez les coûts d'étiquetage des données jusqu'à 70 %
Amazon SageMaker Ground Truth permet d'étiqueter plus précisément les ensembles de données d'entraînement pour une variété de cas d'utilisation, notamment les nuages de points 3D, la vidéo, les images et le texte.
Le moyen le plus rapide et facile de préparer des données pour le ML
Amazon SageMaker Data Wrangler réduit de plusieurs semaines à quelques minutes le temps nécessaire à la préparation des données pour le ML. En quelques clics, vous pouvez compléter chaque étape du flux de préparation des données, y compris la sélection, le nettoyage, l'exploration et la visualisation des données.
Magasin de caractéristiques spécialement conçu pour le ML
Amazon SageMaker Feature Store fournit un référentiel pour stocker, mettre à jour, récupérer et partager les caractéristiques de ML. SageMaker Feature Store offre une vue cohérente des caractéristiques à utiliser pour les modèles ML, ce qui facilite considérablement la génération de modèles produisant des prédictions très précises.
Entraîner plus rapidement des modèles de haute qualité
Amazon SageMaker fournit un débogueur et un profileur intégrés afin que vous puissiez identifier et réduire les erreurs d'entraînement et les goulots d'étranglement des performances de vos modèles avant de les mettre en production.
Déploiement en un clic vers le cloud
Amazon SageMaker facilite le déploiement en production de votre modèle entraîné en un seul clic, de sorte que vous pouvez commencer à générer des prédictions pour des données en temps réel ou par lots.
Améliorer la qualité des modèles sur les appareils de périphérie
Amazon SageMaker Edge Manager vous aide à optimiser, sécuriser, surveiller et maintenir les modèles de machine learning sur les flottes d'appareils de périphérie pour s'assurer que les modèles déployés sur les appareils de périphérie fonctionnent correctement.
Fonctionnalités essentielles pour le ML en production
Automatiser les flux de travail de machine learning
Amazon SageMaker Pipelines est le premier service d'intégration continue et de livraison continue (CI/CD) spécialement conçu et facile à utiliser pour le machine learning. Les flux de travail peuvent être partagés et réutilisés entre les équipes.
Détecter les biais et comprendre les prédictions
Amazon SageMaker Clarify fournit une détection des biais dans tout le flux de travail de ML, vous permettant de renforcer l'équité et la transparence de votre modèle de ML. SageMaker Clarify comprend également des graphiques d'importance des caractéristiques qui vous aident à expliquer les prédictions du modèle et génère des rapports qui peuvent être utilisés pour soutenir des présentations internes ou identifier les problèmes de votre modèle, afin que vous puissiez prendre des mesures pour les corriger.
Sécuriser vos données et votre code tout au long du cycle de vie de ML
Amazon SageMaker offre un ensemble complet de fonctions de sécurité, y compris le chiffrement, la connectivité aux réseaux privés, l'autorisation, l'authentification, la surveillance et l'auditabilité, pour aider votre organisation à répondre aux exigences de sécurité qui peuvent s'appliquer aux charges de travail liées au machine learning.
Fonctionnalités essentielles pour le ML en production
Automatiser les flux de travail de machine learning
Amazon SageMaker Pipelines est le premier service d'intégration continue et de livraison continue (CI/CD) spécialement conçu et facile à utiliser pour le machine learning. Les flux de travail peuvent être partagés et réutilisés entre les équipes.
Améliorer la transparence
Amazon SageMaker Clarify fournit une détection des biais dans tout le flux de travail de ML, vous permettant de renforcer l'équité et la transparence de votre modèle de ML. SageMaker Clarify comprend également des graphiques d'importance des caractéristiques qui vous aident à expliquer les prédictions du modèle et génère des rapports qui peuvent être utilisés pour soutenir des présentations internes ou identifier les problèmes de votre modèle, afin que vous puissiez prendre des mesures pour les corriger.
Sécuriser vos données et votre code tout au long du cycle de vie de ML
Amazon SageMaker offre un ensemble complet de fonctions de sécurité, y compris le chiffrement, la connectivité aux réseaux privés, l'autorisation, l'authentification, la surveillance et l'auditabilité, pour aider votre organisation à répondre aux exigences de sécurité qui peuvent s'appliquer aux charges de travail liées au machine learning.
Clients d'Amazon SageMaker
Amazon SageMaker est utilisé par des dizaines de milliers de clients dans un large éventail de secteurs.
Démarrage de Amazon SageMaker JumpStart
Amazon SageMaker est un service de machine learning que vous pouvez utiliser pour créer, entraîner et déployer des modèles de ML pour pratiquement tous les cas d'utilisation. Pour une introduction technique rapide, consultez le guide étape par étape de SageMaker. Pour vous aider à démarrer votre projet de ML, Amazon SageMaker JumpStart propose un ensemble de solutions préconçues pour les cas d'utilisation les plus courants que vous pouvez déployer en quelques clics. Ces solutions sont entièrement personnalisables afin que vous puissiez les modifier en fonction des besoins de votre cas d'utilisation et de vos ensembles de données spécifiques.
Maintenance prévisionnelle
Georgia Pacific utilise SageMaker pour développer des modèles de ML qui permettent de détecter rapidement les problèmes des machines.
Aide visuelle par ordinateur
3M utilise des modèles de détection de défauts basés sur SageMaker pour améliorer l'efficacité de ses processus de contrôle qualité.
Conduite autonome
Lyft Level 5 a standardisé sur SageMaker pour l'entraînement et a réduit le temps d'entraînement des modèles qui est passé de quelques jours à moins de deux heures.