Amazon SageMaker Unified Studio (version préliminaire)

Accédez à toutes vos données et à tous vos outils analytiques et d’IA dans un environnement unique, basé sur Amazon DataZone

Une expérience unique pour toutes les données et l’IA

Découvrez vos données et exploitez-les à l’aide d’outils AWS familiers pour des flux de développement complets, notamment le développement de modèles, le développement d’applications d’IA génératives, le traitement des données et l’analytique SQL, dans un environnement gouverné unique. Créez ou rejoignez des projets pour collaborer avec vos équipes, partager en toute sécurité des artefacts d’IA et d’analytique, et accéder à vos données stockées dans Amazon Simple Storage Service (Amazon S3), Amazon Redshift et d’autres sources de données via Amazon SageMaker Lakehouse. Alors que les cas d’utilisation de l’IA et de l’analytique convergent, transformez la façon dont les équipes de données travaillent ensemble avec Amazon SageMaker Unified Studio.

image

Utilisez les meilleurs outils de leur catégorie, quelle que soit la tâche à effectuer

Rationalisez l’accès aux outils et fonctionnalités familiers des services d’analytique, d’intelligence artificielle et de machine learning (AI/ML) d’AWS, tels qu’Amazon EMR, AWS Glue, Amazon Athena, Amazon Redshift, Amazon Bedrock et Amazon SageMaker AI. Créez des pipelines de données intégrés à l’aide de l’ETL visuel et travaillez de manière fluide sur différentes ressources de calcul et différents clusters à l’aide de blocs-notes unifiés. Le logiciel SQL intégré permet d’interroger les données stockées dans les lacs de données, les entrepôts de données, les bases de données et les applications.

image

Entraînez, personnalisez et déployez des modèles d’IA à grande échelle

Développez des modèles ML et des modèles de fondation (FM) au moyen de l’infrastructure, des outils et des flux de travail entièrement gérés d’Amazon SageMaker AI. SageMaker AI propose des outils et une interface spécialement conçus pour chaque étape du cycle de vie des modèles, notamment la préparation des données, la formation, la gouvernance, les MLOps, l’inférence, l’expérimentation, les pipelines, ainsi que la surveillance et l’évaluation des modèles.

image