Amazon SageMaker

Machine learning untuk setiap data scientist dan developer

Amazon SageMaker Studio

Amazon SageMaker membantu data scientist dan developer menyiapkan, membangun, melatih, dan men-deploy model machine learning (ML) berkualitas tinggi dengan cepat dengan menggabungkan set kemampuan yang luas yang dibangun dengan tujuan khusus untuk ML.

Layanan ML yang paling komprehensif

Percepat inovasi dengan alat yang dibangun dengan tujuan khusus untuk setiap langkah pengembangan ML, termasuk pelabelan, persiapan data, rekayasa fitur, deteksi bias statistik, ML otomatis, pelatihan, penyetelan, hosting, kemampuan menjelaskan, pemantauan, dan alur kerja.

Alur Kerja Machine Learning
IDE untuk ML

Lingkungan pengembangan terintegrasi (IDE) pertama untuk ML

Dorong produktivitas Anda menggunakan Amazon SageMaker Studio, lingkungan pengembangan terintegrasi sepenuhnya pertama yang dirancang khusus untuk ML yang menyediakan apa saja yang Anda perlukan untuk ML di bawah satu antarmuka pengguna visual terpadu.

Fungsionalitas Terintegrasi

Fungsionalitas yang dirancang dari awal untuk bekerja sama

Gunakan kemampuan terintegrasi Amazon SageMaker untuk pengembangan ML, agar Anda dapat menghilangkan waktu berbulan-bulan untuk menulis kode integrasi kustom, dan yang pada akhirnya mengurangi biaya.

Cara kerjanya

  • Ikhtisar
  • Detail

Salah satu layanan yang berkembang paling pesat dalam sejarah AWS

Amazon SageMaker dibangun pada dua dekade pengalaman Amazon dalam mengembangkan aplikasi machine learning nyata, termasuk rekomendasi produk, personalisasi, belanja cerdas, robotik, dan perangkat yang didukung suara.

10x

peningkatan dalam produktivitas tim

90%

pengurangan biaya dengan pelatihan spot terkelola

75%

biaya inferensi yang lebih rendah

54%

TCO yang lebih rendah

70%

pengurangan dalam biaya pelabelan data

198

kapasitas baru yang ditambahkan sejak diluncurkan

22

program kepatuhan (PCI, HIPAA, SOC 1/2/3, FedRAMP, ISO, dan banyak lagi)

Amazon SageMaker mendukung kerangka kerja machine learning terkemuka

TensorFlow
PyTorch
mxnet

Fitur utama untuk mempersiapkan data, dan membangun, melatih, serta men-deploy model ML

Tingkatkan produktivitas menggunakan lingkungan pengembangan terintegrasi (IDE) sepenuhnya pertama untuk ML

Amazon SageMaker Studio menyediakan satu antarmuka visual berbasis web tempat Anda dapat melakukan semua langkah pengembangan ML yang diperlukan untuk menyiapkan data, dan membangun, melatih, serta men-deploy model.

Pelajari selengkapnya »
SageMaker Studio

Membangun, melatih, dan menyetel model secara otomatis

Amazon SageMaker Autopilot memilih algoritma terbaik untuk prediksi, dan secara otomatis membangun, melatih, serta menyetel model machine learning tanpa kehilangan visibilitas atau kontrol.

Pelajari selengkapnya »
Autopilot SageMaker

Mengurangi biaya pelabelan data hingga 70%

Amazon SageMaker Ground Truth memudahkan pemberian label set data pelatihan dengan lebih akurat untuk berbagai kasus penggunaan termasuk cloud titik 3D, video, gambar, dan teks.

Pelajari selengkapnya »
SageMaker Ground Truth
Baru

Cara paling cepat dan paling mudah untuk menyiapkan data untuk ML

Amazon SageMaker Data Wrangler mengurangi waktu yang diperlukan untuk menyiapkan data untuk ML dari hitungan minggu ke menit. Dengan beberapa klik, Anda dapat menyelesaikan setiap langkah alur kerja persiapan data, termasuk pemilihan, pembersihan, eksplorasi, dan visualisasi data.

Pelajari selengkapnya »
SageMaker Data Wrangler
Baru

Penyimpanan fitur yang dibangun dengan tujuan khusus untuk ML

Amazon SageMaker Feature Store menyediakan repositori untuk menyimpan, memperbarui, mengambil, dan membagikan fitur ML. SageMaker Feature Store menawarkan satu tampilan fitur yang konsisten untuk digunakan model ML, sehingga akan jauh lebih mudah untuk membuat model yang menghasilkan prediksi yang sangat akurat.

Pelajari selengkapnya »
SageMaker Feature Store

Melatih model berkualitas tinggi dengan lebih cepat

Amazon SageMaker menyediakan debugger bawaan dan profiler, agar Anda dapat mengidentifikasi dan mengurangi kesalahan pelatihan dan kemacetan performa dari model Anda sebelum mengarahkannya ke produksi.

Pelajari selengkapnya »
SageMaker Debugger

Deployment sekali klik ke cloud

Amazon SageMaker memudahkan untuk men-deploy model yang Anda latih ke produksi dengan sekali klik, sehingga Anda dapat mulai membuat prediksi untuk data real-time atau batch.

Pelajari selengkapnya »
Deploy sekali klik
Baru

Meningkatkan kualitas model di perangkat edge

Amazon SageMaker Edge Manager membantu Anda mengoptimalkan, mengamankan, memantau, dan mempertahankan model machine learning di armada perangkat edge untuk memastikan model yang di-deploy pada perangkat edge beroperasi dengan baik.

Pelajari selengkapnya »
SageMaker Edge Manager

Fitur penting untuk ML dalam produksi

SageMaker Pipelines
Baru

Mengotomatiskan alur kerja machine learning

Amazon SageMaker Pipelines adalah layanan integrasi berkelanjutan dan penyampaian berkelanjutan (CI/CD) pertama yang dibangun dengan tujuan khusus dan mudah digunakan untuk machine learning. Alur kerja dapat dibagikan dan digunakan kembali di antara tim.

Pelajari selengkapnya »
SageMaker Clarify
Baru

Mendeteksi bias dan memahami prediksi

Amazon SageMaker Clarify memberikan deteksi bias di seluruh alur kerja ML, yang memungkinkan Anda membangun kesetaraan dan transparansi yang lebih besar ke dalam model ML Anda. SageMaker Clarify juga menyertakan grafik kepentingan fitur yang membantu Anda menjelaskan prediksi model dan menghasilkan laporan yang dapat digunakan untuk mendukung presentasi internal atau untuk mengidentifikasi masalah dengan model Anda yang dapat Anda lakukan langkah-langkah untuk memperbaikinya.

Pelajari selengkapnya »
SageMaker Security

Mengamankan data dan kode Anda melalui siklus aktif ML

Amazon SageMaker menawarkan satu set fitur keamanan yang komprehensif, termasuk enkripsi, konektivitas jaringan privat, otorisasi, autentikasi, pemantauan, dan audibilitas untuk membantu organisasi Anda dengan persyaratan keamanan yang mungkin berlaku untuk beban kerja machine learning.

Pelajari selengkapnya »

Fitur penting untuk ML dalam produksi

SageMaker Pipelines
Baru

Mengotomatiskan alur kerja machine learning

Amazon SageMaker Pipelines adalah layanan integrasi berkelanjutan dan penyampaian berkelanjutan (CI/CD) pertama yang dibangun dengan tujuan khusus dan mudah digunakan untuk machine learning. Alur kerja dapat dibagikan dan digunakan kembali di antara tim.

Pelajari selengkapnya »
SageMaker Clarify
Baru

Meningkatkan transparansi

Amazon SageMaker Clarify memberikan deteksi bias di seluruh alur kerja ML, yang memungkinkan Anda membangun kesetaraan dan transparansi yang lebih besar ke dalam model ML Anda. SageMaker Clarify juga menyertakan grafik kepentingan fitur yang membantu Anda menjelaskan prediksi model dan menghasilkan laporan yang dapat digunakan untuk mendukung presentasi internal atau untuk mengidentifikasi masalah dengan model Anda yang dapat Anda lakukan langkah-langkah untuk memperbaikinya.

Pelajari selengkapnya »
SageMaker Security

Mengamankan data dan kode Anda melalui siklus aktif ML

Amazon SageMaker menawarkan satu set fitur keamanan yang komprehensif, termasuk enkripsi, konektivitas jaringan privat, otorisasi, autentikasi, pemantauan, dan audibilitas untuk membantu organisasi Anda dengan persyaratan keamanan yang mungkin berlaku untuk beban kerja machine learning.

Pelajari selengkapnya »

Pelanggan Amazon SageMaker

Amazon SageMaker digunakan oleh puluhan ribu pelanggan di berbagai industri.

Baca lebih banyak kisah pelanggan »
Capital One
Celgene
Conde Nast
Domino's
F1
GE
Lyft
Roche
Siemens
T-Mobile
Thomson Reuters
Verizon
Baru

Mulai menggunakan Amazon SageMaker JumpStart

Amazon SageMaker adalah layanan machine learning yang dapat Anda gunakan untuk membangun, melatih, dan men-deploy model ML untuk kasus penggunaan apa pun secara virtual. Untuk pengenalan teknis singkat, lihat panduan langkah demi langkah SageMaker. Untuk membantu Anda memulai dengan proyek ML, Amazon SageMaker JumpStart menawarkan satu set solusi yang dibangun sebelumnya untuk kasus penggunaan yang paling umum yang dapat Anda deploy hanya dengan beberapa klik. Solusi ini dapat disesuaikan sepenuhnya, sehingga Anda dapat mengubahnya untuk disesuaikan dengan kebutuhan kasus penggunaan dan set data spesifik.

Panduan langkah demi langkah SageMaker » SageMaker JumpStart »
Pemeliharaan prediktif

Pemeliharaan prediktif

Georgia Pacific menggunakan SageMaker untuk mengembangkan model ML yang mendeteksi masalah mesin di awal.

Pelajari selengkapnya »
Visi komputer

Visi komputer

3M menggunakan model deteksi kecacatan yang dibangun di SageMaker untuk meningkatkan efektivitas proses kontrol kualitasnya.

Pelajari selengkapnya »
Berkendara Mandiri

Berkendara Mandiri

Lyft Level 5 melakukan standardisasi pelatihan di SageMaker dan mengurangi waktu pelatihan model dari hitungan hari ke hanya beberapa jam.

Pelajari selengkapnya »