Amazon SageMaker

L'apprentissage automatique à la portée de tous les développeurs et spécialistes des données.

Amazon SageMaker permet aux développeurs et aux spécialistes des données de créer, former et déployer des modèles Machine Learning rapidement. Amazon SageMaker est un service entièrement géré qui couvre l'ensemble du flux de travail de Machine Learning pour étiqueter et préparer les données, choisir un algorithme, former le modèle, l’ajuster et l’optimiser pour le déploiement, effectuer des prévisions et prendre des mesures. Vos modèles parviennent en production plus rapidement avec moins d'efforts et à moindre coût.

Amazon SageMaker

L'apprentissage automatique à la portée de tous les développeurs et spécialistes des données.

Amazon SageMaker permet aux développeurs et aux spécialistes des données de créer, former et déployer des modèles Machine Learning rapidement. Amazon SageMaker est un service entièrement géré qui couvre l'ensemble du flux de travail de Machine Learning pour étiqueter et préparer les données, choisir un algorithme, former le modèle, l’ajuster et l’optimiser pour le déploiement, effectuer des prévisions et prendre des mesures. Vos modèles parviennent en production plus rapidement avec moins d'efforts et à moindre coût.

CRÉATION

Collecte et préparation des données de formation

Étiquetage des données et blocs-notes pré-intégrés pour les problèmes courants

Choix et optimisation de l'algorithme de machine learning

Des algorithmes intégrés à haute performance et des centaines d'algorithmes prêts à l'emploi sur AWS Marketplace

FORMATION

Configuration et gestion des environnements pour la formation

Formation en un clic en utilisant Amazon EC2 à la demande ou des instances Spot

Formation et ajustement du modèle.

Former une seule fois, exécuter partout et optimisation du modèle

DÉPLOIEMENT

Déploiement du modèle en production

Déploiement en un clic

Mise à l'échelle et gestion de l'environnement de production

Gestion complète avec scalabilité automatique pour 75 % en moins

CRÉATION

Collecte et préparation des données de formation

Étiquetage des données et blocs-notes pré-intégrés pour les problèmes courants

Choix et optimisation de l'algorithme de machine learning

Des algorithmes intégrés à haute performance et des centaines d'algorithmes prêts à l'emploi sur AWS Marketplace

FORMATION

Configuration et gestion des environnements pour la formation

Formation en un clic sur l'infrastructure la plus performante

Formation et ajustement du modèle.

Former une seule fois, exécuter partout et optimisation du modèle

DÉPLOIEMENT

Déploiement du modèle en production

Déploiement en un clic

Mise à l'échelle et gestion de l'environnement de production

Gestion complète avec scalabilité automatique pour 75 % en moins


Clients présentés

State Farm
Intuit
Siemens
NFL
Expedia
Liberty Mutual
Formula 1
Coinbase
Cerner
Korean Air
Change Healthcare
GE-Healthcare
Convoy

Collecte et préparation des données de formation

Étiquetage rapide des données de formation

Amazon SageMaker Ground Truth permet de créer et de gérer rapidement des ensembles de données de formation de haute précision. Ground Truth offre un accès facile aux étiqueteurs humains publics et privés et leur fournit des interfaces et des flux de travail prédéfinis pour les tâches d'étiquetage courantes. En outre, Ground Truth tire parti des étiquettes humaines pour apprendre et effectuer des annotations automatiques de haute qualité afin de réduire considérablement les coûts d'étiquetage.

En savoir plus »
70-percent-reduction
ground-truth

Blocs-notes hébergés

Des blocs-notes Jupyter entièrement gérés que vous pouvez utiliser dans le cloud ou sur votre ordinateur local pour explorer et visualiser vos données, ainsi que pour développer votre modèle. En outre, en partant de zéro, vous pouvez choisir parmi des dizaines de blocs-notes prédéfinis que vous pouvez utiliser tels quels ou modifier en fonction de vos besoins, pour faciliter l'exploration et la visualisation rapides des données de formation. Des solutions sont disponibles pour de nombreux problèmes courants tels que les recommandations et la personnalisation, la détection des fraudes, les prévisions, la classification des images, la prévision de la perte de clients, le ciblage des clients, le traitement des journaux, la détection des anomalies et la synthèse vocale.

 

En savoir plus »
jupyter-logo-white
hosted-notebooks

Choix et optimisation de votre algorithme d'apprentissage automatique

Amazon SageMaker configure et optimise automatiquement TensorFlow, Apache MXNet, PyTorch, Chainer, Scikit-learn, SparkML, Horovod, Keras et Gluon. Des algorithmes de Machine Learning courants sont intégrés et optimisés pour l’évolutivité, la vitesse et la précision avec plus de 200 modèles et algorithmes pré-formés supplémentaires disponibles sur AWS Marketplace. Vous pouvez également ajouter tout autre framework ou algorithme en l'intégrant dans un conteneur Docker.

10x-faster
logo-tesnorflow
logo-mxnet
logo-pytorch
logo-chainer
logo-keras
logo-gluon
logo-horovod

Configuration et gestion des environnements de formation

Formation en un clic

Commencez à former votre modèle en un seul clic et réduisez vos coûts de formation jusqu'à 90% avec Managed Spot Training. Amazon SageMaker gère l'ensemble de l'infrastructure sous-jacente afin de prendre en charge facilement les ensembles de données de plusieurs pétaoctets.

 

Le Machine Learning distribué le plus rapide dans le cloud.

Les instances Amazon EC2 P3 fournissent 8 GPU NVIDIA Tesla.

 

64 processeurs virtuels évolutifs Intel Xeon Skylake avec AVX-512

Débit réseau de 25 Gbit/s

16 Go de mémoire par GPU

 

Formation en un clic

Commencez à former votre modèle en un seul clic. Amazon SageMaker gère l'ensemble de l'infrastructure sous-jacente afin de prendre en charge facilement les ensembles de données de plusieurs pétaoctets.

 

Le Machine Learning distribué le plus rapide dans le cloud.

Les instances Amazon EC2 P3 fournissent 8 GPU NVIDIA Tesla.

 

64 processeurs virtuels évolutifs Intel Xeon Skylake avec AVX-512

Débit réseau de 25 Gbit/s

16 Go de mémoire par GPU

L'endroit idéal pour exécuter TensorFlow

Les optimisations AWS TensorFlow offrent une efficacité de mise à l’échelle quasi linéaire sur des centaines de GPU afin de s’adapter à l’échelle du cloud et sans nécessiter de traitement excessif pour former des modèles plus précis et plus sophistiqués beaucoup plus rapidement.

Formation et hébergement complètement gérés

Mise à l’échelle quasi linéaire dans des centaines de GPU

Réduction de 75 % des coûts d'inférence

 

STOCK TENSORFLOW
65p
TENSORFLOW OPTIMISÉ AWS
90p

Efficacité de la mise à l'échelle avec 256 GPU

Ajuster et optimiser un modèle

Ajuster automatiquement un modèle

L'ajustement de modèle automatique utilise l'apprentissage automatique pour que le modèle soit aussi précis que possible. Cette fonctionnalité vous évite de devoir passer par le processus laborieux consistant à ajuster manuellement le modèle. À la place, l'ajustement de modèle automatique effectue l'optimisation des hyper-paramètres sur la base de plusieurs exécutions de formation en découvrant les caractéristiques intéressantes dans vos données et en apprenant comment ces caractéristiques interagissent et impactent la précision. Vous économisez plusieurs jours, voire plusieurs semaines, sur l'optimisation de la qualité de votre modèle entraîné.

Des modèles à ne former qu'une seule fois afin de pouvoir en profiter n'importe où

Amazon SageMaker Neo vous permet de former un modèle une seule fois, puis de le déployer n'importe où. Avec l'apprentissage automatique, SageMaker Neo optimise automatiquement les modèles formés et créés avec un framework connu, sans perte de précision, pour la plateforme matérielle que vous spécifiez. Vous pouvez ainsi déployer votre modèles dans les instances EC2 et SageMaker ou sur n'importe quel périphérique de périmètre incluant l'exécution Neo, y compris les appareils AWS Greengrass.

En savoir plus »

pull-2x
pull-1-10
img-neo

Déployer et gérer des modèles en production

Déploiement en production en un seul clic

Amazon SageMaker facilite le déploiement du modèle formé en production en un seul clic afin que vous puissiez commencer à générer des prédictions concernant les données en temps réel ou par lot (ce processus est appelé « déduction »). Votre modèle s'exécute sur des clusters à scalabilité automatique d'instances Amazon SageMaker réparties entre plusieurs zones de disponibilité pour offrir de hautes performances et une disponibilité élevée. Amazon SageMaker inclut aussi des fonctionnalités de test A/B intégrées pour vous aider à tester votre modèle et à expérimenter différentes versions afin d'obtenir les meilleurs résultats.

Exécuter les modèles à la périphérie

AWS Greengrass facilite le déploiement des modèles formés avec Amazon SageMaker sur les périphériques de périmètre afin d'exécuter la fonction de déduction. Avec AWS Greengrass, les appareils connectés peuvent exécuter des fonctions AWS Lambda, assurer la synchronisation des données des appareils et communiquer en toute sécurité avec d'autres appareils, même en l'absence de connexion Internet.

pull-75p

Vous pouvez réduire le coût de déduction du deep learning de 75 % en utilisant Amazon Elastic Inference pour attacher facilement une accélération Elastic GPU à vos instances Amazon SageMaker. Pour la plupart des modèles, une instance GPU complète est surdimensionnée pour la déduction. Il peut également être difficile d'optimiser les ressources nécessaires au GPU, à l'UC et à la mémoire de l'application de deep learning avec un seul type d'instance. Elastic Inference vous permet de choisir le type d'instance qui répond le mieux à vos besoins applicatifs généraux en matière d'UC et de mémoire, puis de configurer la quantité appropriée d'accélération GPU requise pour la déduction.

En savoir plus »

img-TFLOPS

COMPATIBILITÉ

logo-tesnorflow
logo-mxnet

Témoignages de réussite

Innovez grâce à l'apprentissage par renforcement entièrement géré

small-RL-icon

Utilisez l'apprentissage par renforcement (RL) pour créer des modèles sophistiqués pouvant atteindre des objectifs spécifiques sans nécessiter le pré-étiquetage des données de formation. L'apprentissage par renforcement est utile pour les situations où il n'existe pas une seule « bonne » réponse, mais qui implique un résultat optimal (apprendre à conduire une voiture ou réaliser des transactions financières fructueuses, par exemple). Au lieu d'examiner les données historiques, les algorithmes RL basent leur apprentissage sur les actions prises dans un simulateur, dans lequel des récompenses et des pénalités permettent au modèle de déterminer le comportement souhaité.

Amazon SageMaker RL inclut des algorithmes RL intégrés entièrement gérés. SageMaker prend en charge l'apprentissage par renforcement dans plusieurs frameworks, dont TensorFlow et MXNet, ainsi que des frameworks personnalisés conçus spécifiquement pour ce type d'apprentissage, comme Intel Coach et Ray RLlib.

Amazon SageMaker RL prend également en charge plusieurs environnements RL, y compris les environnements de physique 2D et 3D complets, les environnements de simulation commerciale comme MATLAB et SimuLink, ainsi que tout élément prenant en charge l'interface open source OpenAI Gym, notamment les environnements de développement personnalisés. De plus, SageMaker RL vous permet de former les modèles avec des environnements 3D virtuels intégrés dans Amazon Sumerian et AWS RoboMaker. Autrement dit, vous pouvez modéliser ce que vous voulez, qu'il s'agisse de systèmes financiers ou publicitaires, de commandes industrielles, de robots, de véhicules autonomes ou autres.

Ouverture et flexibilité

L'apprentissage automatique à votre façon

La technologie d'apprentissage automatique évolue rapidement. Vous devez donc être ouvert à l'utilisation d'un large éventail de frameworks et d'outils. Avec Amazon SageMaker, vous pouvez utiliser les conteneurs intégrés pour tous les frameworks connus ou opter pour votre framework préféré. Quoi qu'il en soit, Amazon SageMaker gère entièrement l'infrastructure sous-jacente requise pour créer, former et déployer vos modèles.

Performances améliorées à la périphérie

Les fonctionnalités de SageMaker Neo sont également disponibles pour tous les développeurs via le projet Neo open source. Nous pensons qu'il est nécessaire de permettre à tout le monde d'exécuter des modèles depuis partout pour exploiter tout le potentiel de l'apprentissage automatique. En contribuant à l'initiative open source, les fournisseurs de matériel peuvent améliorer Neo grâce à de nouvelles optimisations et faire ainsi évoluer l'ensemble de l'écosystème matériel pour l'apprentissage automatique.

SageMaker s'adapte à votre flux de travail

En coulisses, Amazon SageMaker se constitue de composants séparés : Ground Truth, Notebooks, Training, Neo et Hosting. Ces composants sont conçus pour interagir afin de fournir un service d'apprentissage automatique de bout en bout. Toutefois, ils peuvent aussi être utilisés de manière indépendante afin de compléter les flux de travail d'apprentissage automatique existants ou pour prendre en charge les modèles exécutés dans le centre de données ou à la périphérie.

Apprendre et passer à la vitesse supérieure

ImgHead_Silverstone_TEST_Car_3

AWS DeepRacer

Voiture de course complètement autonome à l'échelle 1/18ème, comprenant tout ce dont vous avez besoin de savoir sur l'apprentissage par renforcement via la conduite autonome.

En savoir plus »

AWS DeepLens

Découvrez la vision par ordinateur via des projets, des didacticiels et des explorations pratiques en situation réelle grâce à la première caméra vidéo pour développeurs au monde intégrant le deep learning.

En savoir plus »

Formation et certification en apprentissage automatique AWS

Université d'apprentissage automatique AWS. Cours structurés sur l'apprentissage automatique basés sur les documents utilisés pour former les développeurs Amazon en combinant les connaissances de base et la mise en pratique en situation réelle.

En savoir plus »

Laboratoire de solutions Amazon ML

Amazon ML Solutions Lab met en relation votre équipe avec des experts Amazon en apprentissage automatique. Ce laboratoire associe des ateliers de formation pratique à des sessions de brainstorming et des services professionnels de conseil, afin de vous permettre de « travailler à contre-courant » pour résoudre des problématiques métier. Il vous guide pas à pas tout au long du processus de développement d'un modèle utilisable en production. Par la suite, vous pourrez utiliser ce que vous avez appris et l'utiliser à d'autres niveaux de votre organisation afin de relever d'autres défis.

En savoir plus »