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
-
Partage d'artefacts ML
-
Modèles de base
-
-
Algorithmes intégrés avec modèles pré-entraînés
-
-
Solutions
-
-
Partage d'artefacts ML
-
Modèles de base
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.
Solutions intégrées
Les solutions intégrées peuvent être utilisées pour les cas d'utilisation courants et sont entièrement personnalisables.
Clients
-
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
-
« 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
-
« 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
-
« 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
Nouveaux algorithmes intégrés Amazon SageMaker pour la modélisation des données tabulaires
Apprentissage par transfert pour les modèles de classification d'images TensorFlow
Détecter la fraude dans les transactions financières à l'aide d'un réseau neuronal pour le traitement de données graphiques avec Amazon SageMaker
Ateliers pratiques
Vidéos
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 affiner et déployer un modèle de diffusion texte-image stable à l'aide d'Amazon SageMaker JumpStart en moins de 2 minutes
AWS Startup Showcase S3 E1 : IA générative : engouement injustifié ou réalité - Table ronde
Nouveautés
- Date (de la plus récente à la plus ancienne)