Amazon SageMaker
Machine learning untuk setiap data scientist dan developer

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.


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 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
-
Gambaran Umum
-
Detail
-
Gambaran Umum
-
-
Detail
-
Kemampuan SageMaker Deskripsi Penyetelan Model Otomatis Pengoptimalan hyperparameter Algoritma Bawaan dan Anda Sendiri Lusinan algoritma yang dioptimalkan atau algoritme Anda sendiri Pustaka pelatihan terdistribusi - BARU
Pelatihan untuk set data dan model berukuran besar Integrasi Kubernetes & Kubeflow Menyederhanakan machine learning berbasis Kubernetes Mode Lokal Menguji dan membuat prototipe di mesin lokal Anda Pelatihan Spot Terkelola Mengurangi biaya pelatihan sebesar 90% Endpoint Multi-Model Mengurangi biaya dengan meng-hosting beberapa model per instans Deployment Sekali Klik Throughput tinggi yang dikelola sepenuhnya dan berlatensi ultra rendah Pelatihan Sekali Klik Manajemen infrastruktur terdistribusi Autopilot SageMaker Membuat model machine learning dengan visibilitas penuh secara otomatis SageMaker Clarify - BARU
Mendeteksi bias dan memahami prediksi model SageMaker Data Wrangler - BARU Menggabungkan dan menyiapkan data untuk machine learning SageMaker Debugger Melakukan debug dan membuat profil pelatihan berjalan SageMaker Edge Manager - BARU Mengelola dan memantau model di perangkat edge
SageMaker Experiments Mengambil, mengelola, dan membandingkan setiap langkah SageMaker Feature Store - BARU Menyimpan, memperbarui, mengambil, dan membagikan fitur SageMaker Ground Truth Memberi label data untuk machine learning SageMaker JumpStart - BARU Solusi yang dibangun sebelumnya untuk kasus pengguna umum SageMaker Model Monitor Mempertahankan akurasi model yang di-deploy SageMaker Pipelines - BARU Orkestrasi dan automasi alur kerja Pemrosesan SageMaker Python, BYO R/Spark bawaan SageMaker Studio Lingkungan pengembangan terintegrasi (IDE) untuk ML SageMaker Studio Notebooks Jupyter notebook dengan komputasi dan berbagi yang elastis
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%
70%
198
22
Amazon SageMaker mendukung kerangka kerja dan toolkit machine learning terkemuka




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.

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.

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.


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.


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.

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.

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.


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.

Fitur penting untuk ML dalam produksi


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.


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.

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.
Fitur penting untuk ML dalam produksi


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.


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.

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.
Pelanggan Amazon SageMaker
Amazon SageMaker digunakan oleh puluhan ribu pelanggan di berbagai industri.













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.

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

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

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