Amazon SageMaker JumpStart

Un centre de machine learning (ML) avec des modèles de base, des algorithmes intégrés et des solutions ML prédéfinies que vous pouvez déployer en quelques clics

Des modèles de provenant de fournisseurs renommés, permettant ainsi de créer de texte et d'images entièrement personnalisables

Des centaines d'algorithmes intégrés avec des modèles pré-entraînés provenant de centres de modèles renommés

 

Des solutions entièrement personnalisables pour les cas d'utilisation courants avec des architectures de référence pour accélérer votre transition vers le ML

Partagez des modèles et des blocs-notes ML au sein de votre organisation pour accélérer la création et le déploiement de modèles ML

Amazon SageMaker JumpStart est une solution de machine learning (ML) qui peut vous aider à accélérer votre transition vers le ML. Avec SageMaker JumpStart, vous pouvez accéder à des modèles pré-entraînés, y compris des modèles de base, pour effectuer des tâches telles que la synthèse d'articles et la génération d'images. Les modèles pré-entraînés peuvent être entièrement adaptés à votre cas d'utilisation grâce à vos données, et vous pouvez facilement les déployer en production à l'aide de l'interface utilisateur ou du SDK. De plus, vous pouvez accéder à des solutions prédéfinies pour résoudre des cas d'utilisation courants et partager des artefacts de machine learning, notamment des modèles ML et des blocs-notes, au sein de votre organisation afin d'accélérer la création et le déploiement de modèles ML.

Aucune de vos données n'est utilisée pour entraîner les modèles sous-jacents. En faisant en sorte que vos données soient cryptées et ne quittent pas votre cloud privé virtuel (VPC), nous garantissons que vos données resteront privées et confidentielles. Pour plus d'informations, consultez les pages de Questions fréquentes (FAQ).

Fonctionnement

  • Modèles de base
  • Algorithmes intégrés avec modèles pré-entraînés
  • Solutions
  • Diagramme de fonctionnement des solutions
  • Partage d'artefacts ML
  • Diagramme de fonctionnement du partage d'artefacts ML

Modèles de base

SageMaker JumpStart propose une large sélection de modèles de base propriétaires et accessibles publiquement qui proviennent de différents fournisseurs de modèles. Les modèles de base sont des modèles ML à grande échelle qui contiennent des milliards de paramètres et sont pré-entraînés sur des téraoctets de données texte et image, vous permettant ainsi d'exécuter un large éventail de tâches telles que la synthèse d'articles et la génération de texte, d'image ou de vidéo. Les modèles de base étant pré-entraînés, ils peuvent contribuer à réduire les coûts de formation et d'infrastructure, et permettre une certaine personnalisation en fonction de votre cas d'utilisation.

Démarrage avec des modèles de base »

Modèles de base disponibles avec SageMaker.

Tâche  Nom du modèle  Public ou propriétaire 
Génération de texte  Jurassic J2 (Grand, Grand, Jumbo)  Propriétaire 
Génération de texte Jurassic J2 Instruct (Grande, Instruct, Jumbo Instruct)  Propriétaire
Génération de texte Génération de commandes Cohere  Propriétaire
Génération de texte Lyra-Fr (français)  Propriétaire
Génération de texte FLAN UL2, T5 XXL  Disponible publiquement 
Génération de texte GPT-J, GPT Neo  Disponible publiquement
Génération de texte AlexaTM  Disponible publiquement
Génération d'images  Diffusion stable 2.1  Disponible publiquement
Génération d'images Mise à l'échelle stable de la diffusion  Disponible publiquement

Algorithmes intégrés

SageMaker JumpStart propose des centaines d'algorithmes intégrés avec des modèles préentraînés provenant de hubs de modèles, notamment TensorFlow Hub, PyTorch Hub, HuggingFace et MxNet GluonCV. Vous pouvez également accéder aux algorithmes intégrés à l'aide du SDK Python de SageMaker. Les algorithmes intégrés couvrent les tâches courantes de ML, telles que la classification des données (image, texte, tableau) et l'analyse du ressenti client.

En savoir plus sur les algorithmes intégrés »

Solutions intégrées

Les solutions intégrées peuvent être utilisées pour les cas d'utilisation courants et sont entièrement personnalisables.

En savoir plus sur les solutions intégrées »

Clients

  • Tyson
  • Tyson
    Tyson
    « Chez Tyson Foods, nous continuons à rechercher de nouvelles façons d'utiliser le machine learning (ML) dans notre processus de production pour améliorer la productivité. Nous utilisons des modèles de classification d'images pour identifier les produits de la chaîne de production qui nécessitent des étiquettes d'emballage. Cependant, les modèles de classification d'images doivent être recyclés avec de nouvelles images du terrain sur une base récurrente. Amazon SageMaker JumpStart permet à nos scientifiques des données de partager des modèles ML avec des ingénieurs d'assistance afin qu'ils puissent former des modèles ML avec de nouvelles données sans écrire de code. Cela accélère la mise sur le marché des solutions ML, favorise des améliorations continues et augmente la productivité. »

    Rahul Damineni, scientifique des données, Tyson Foods

  • Automatisation des tâches
  • Automatisation des tâches
    Automatisation des tâches
    « Grâce à Amazon SageMaker JumpStart, nous sommes en mesure de proposer des solutions ML en quelques jours pour répondre aux besoins de prédiction plus rapide et plus fiable du machine learning. »

    Alex Panait, PDG – Automatisation des tâches

  • MyCase
  • MyCase
    MyCase
    « Grâce à Amazon SageMaker JumpStart, nous pouvons avoir de meilleurs points de départ, ce qui nous permet de déployer une solution ML pour nos propres cas d'utilisation en 4 à 6 semaines au lieu de 3 à 4 mois. »

    Gus Nguyen, Ingénieur logiciel – MyCase

  • pivotree
  • Pivotree
    Pivotree
    « Avec Amazon SageMaker JumpStart, nous pouvons développer plus rapidement des applications ML dédiées notamment à la détection automatique d'anomalies ou à la classification d'objets et proposer des solutions, de la démonstration de faisabilité à la production en quelques jours seulement. »

    Milos Hanzel, Architecte de plateforme – Pivotree  

Démarrage de Amazon SageMaker JumpStart

Blogs

BLOG

Formation incrémentale avec Amazon SageMaker JumpStart

BLOG

Modèles et algorithmes d'Amazon SageMaker JumpStart disponibles via l'API

Blog

Nouveaux algorithmes intégrés Amazon SageMaker pour la modélisation des données tabulaires

BLOG

Apprentissage par transfert pour les modèles de classification d'images TensorFlow

BLOG

Détecter la fraude dans les transactions financières à l'aide d'un réseau neuronal pour le traitement de données graphiques avec Amazon SageMaker

BLOG

Prévision d'une demande importante avec Amazon SageMaker

Ateliers pratiques

Didacticiel

Tutoriel étape par étape pour démarrer avec SageMaker JumpStart

ATELIERS

Découvrez comment utiliser SageMaker JumpStart pour les cas d'utilisation

Vidéos

VIDÉO

Comment accéder à un modèle de diffusion stable de texte en image, le former et le déployer à l'aide d'Amazon SageMaker JumpStart, le tout en moins de 3 minutes

Comment accéder à un modèle de diffusion stable, le former et le déployer à l'aide d'Amazon SageMaker JumpStart
VIDÉO

Comment affiner et déployer un modèle de diffusion texte-image stable à l'aide d'Amazon SageMaker JumpStart en moins de 2 minutes

Comment affiner et déployer un modèle de diffusion stable à l'aide d'Amazon SageMaker JumpStart
VIDÉO

AWS Startup Showcase S3 E1 : IA générative : engouement injustifié ou réalité - Table ronde

AWS Startup Showcase S3 E1 : IA générative : engouement injustifié ou réalité

Nouveautés

Date (de la plus récente à la plus ancienne)
  • Date (de la plus récente à la plus ancienne)
Aucun résultat correspondant
1