SageMaker fournit des outils de ML entièrement gérés qui automatisent les flux de travail, de la préparation des données au déploiement et à la surveillance des modèles. Vous n'avez donc plus besoin de gérer une infrastructure de ML complexe. Lambda vous permet d'exécuter du code sans provisionner ni gérer de serveurs, ce qui réduit encore votre charge opérationnelle. En outre, Amazon DynamoDB facilite le stockage et la récupération de données à faible latence et minimise les tâches administratives. Enfin, AWS Step Functions simplifie l'orchestration de flux de travail complexes et fournit des fonctionnalités intégrées de gestion des erreurs, améliorant ainsi la fiabilité et réduisant le besoin d'interventions manuelles.

AWS Identity and Access Management (IAM) vous permet de mettre en œuvre le principe du moindre privilège, qui n'accorde aux utilisateurs et services autorisés que les autorisations minimales requises pour effectuer les tâches prévues, réduisant ainsi le risque d'accès non autorisé ou d'utilisation abusive accidentelle. Amazon Virtual Private Cloud (Amazon VPC) fournit un environnement logiquement isolé pour les composants composant ce guide, vous permettant d'utiliser des groupes de sécurité et des listes de contrôle d'accès réseau pour contrôler le trafic entrant et sortant. En outre, en tant que service sans serveur, Lambda renforce la sécurité en minimisant la surface d'attaque potentielle. Sans avoir à gérer et à sécuriser les serveurs sous-jacents, vous réduisez le risque de vulnérabilités liées à des erreurs de configuration des serveurs ou à des versions logicielles obsolètes.

Lambda adapte automatiquement les ressources de calcul en fonction du trafic entrant afin que votre application puisse gérer les fluctuations de la demande sans intervention manuelle, minimisant ainsi les durées d’indisponibilité. DynamoDB fournit une réplication intégrée sur plusieurs zones de disponibilité, assurant ainsi la redondance et minimisant le risque de perte de données en cas de défaillance de l'infrastructure. Enfin, Step Functions vous aide à créer des flux de travail sans serveur robustes et tolérants aux pannes. Ses fonctionnalités intégrées, telles que les nouvelles tentatives automatiques et la gestion des erreurs, aident les tâches à se rétablir après des défaillances transitoires.

Lambda permet à votre application d'évoluer de manière fluide et de gérer les fluctuations du trafic sans compromettre les performances. DynamoDB prend en charge l'accès aux données à haut débit et à faible latence, ce qui permet à votre processus de détection des fraudes de fonctionner en temps réel sans perte de performances. En outre, SageMaker automatise et accélère le cycle de développement des modèles de machine learning, ce qui vous permet d'itérer et d'ajuster les modèles de manière efficace et rapide. Cela permet d'améliorer la précision du modèle et d'améliorer les performances globales de la solution.

Lire le livre blanc sur l'efficacité des performances

Lambda utilise un modèle informatique sans serveur qui s'adapte à la demande, et vous ne payez que pour le temps de calcul que vous consommez. Cela vous permet d'éviter les coûts associés au surprovisionnement ou à la sous-utilisation des serveurs. DynamoDB élimine le besoin d'administrateurs de base de données dédiés et les coûts associés, et évolue automatiquement pour s'adapter aux fluctuations du trafic sans intervention manuelle. En outre, SageMaker fournit un environnement de machine learning entièrement géré, réduisant les coûts associés à l'achat et à la maintenance du matériel et des logiciels pour le développement, la formation et le déploiement des modèles.

Lire le livre blanc sur l'optimisation des coûts

Lambda permet à votre application d'augmenter ou de diminuer automatiquement en fonction de la demande, minimisant ainsi la consommation d'énergie lorsque l'application n'est pas utilisée. SageMaker fournit un environnement de machine learning géré, réduisant la consommation d'énergie et de ressources nécessaires à la configuration et à la maintenance d'une infrastructure ML dédiée. Enfin, DynamoDB adapte automatiquement les ressources en fonction des modèles de trafic, optimisant ainsi l'utilisation des ressources et minimisant l'impact environnemental du surprovisionnement ou de la sous-utilisation des ressources de base de données.

Lisez le livre blanc sur le développement durable