Amazon SageMaker

Machine learning untuk setiap pengembang dan ilmuwan data.

Amazon SageMaker memberi setiap pengembang dan ilmuwan data kemampuan membangun, melatih, dan menerapkan model machine learning dengan cepat. Amazon SageMaker adalah layanan yang dikelola sepenuhnya, yang menangani seluruh alur kerja machine learning untuk melabeli dan mempersiapkan data Anda, memilih algoritme, melatih algoritme, menyetel dan mengoptimalkannya untuk penerapan, membuat prediksi, dan mengambil tindakan. Model Anda akan masuk ke tahap produksi lebih cepat dengan jauh lebih sedikit usaha dan biaya yang lebih rendah.

BANGUN

Kumpulkan & siapkan data pelatihan Anda

Pelabelan data & notebook internal untuk masalah umum

Pilih & optimalkan algoritme ML Anda

Pasar model & algoritme & algoritme bawaan berkinerja tinggi

LATIH

Atur & kelola lingkungan untuk pelatihan

Pelatihan sekali klik untuk infrastruktur dengan kinerja tertinggi

Latih & setel model

Latih sekali, jalankan di mana saja & optimalisasi model

TERAPKAN

Terapkan model dalam produksi

Penerapan sekali klik

Menskalakan & mengelola lingkungan produksi

Dikelola sepenuhnya dengan penskalaan otomatis kurang dari 75%


Pelanggan utama

logo-statefarm
logo-intuit
logo-Siemens
logo-nfl
logo-Expedia-Group
logo-liberty_mutual
logo-FI
logo-coinbase
logo-roche
logo-convoy
logo-korean_air
change-healthcare-logo-white

Mengumpulkan dan mempersiapkan data pelatihan

Melabeli data pelatihan dengan cepat

Amazon SageMaker Ground Truth membantu Anda membangun dan mengelola kumpulan data pelatihan berakurasi tinggi dengan cepat. Ground Truth menawarkan akses mudah ke pelabel manusia umum dan pribadi serta memberi mereka alur kerja dan antarmuka internal untuk tugas pelabelan umum. Selain itu, Ground Truth akan belajar dari label manusia untuk membuat anotasi berkualitas tinggi dan otomatis guna mengurangi biaya pelabelan secara signifikan.

Pelajari selengkapnya »
pull-70p
infographic-Ground_Truth
transparent-img-code
Notebook yang di-host

Notebook Jupyter yang dikelola sepenuhnya dengan lusinan alur kerja internal dan
contoh yang memudahkan dalam menelusuri dan memvisualisasikan data pelatihan Anda.

Pilih dan optimalkan algoritme machine learning Anda

Amazon SageMaker secara otomatis mengonfigurasi dan mengoptimalkan TensorFlow, Apache MXNet, PyTorch, Chainer, Scikit-learn, SparkML, Horovod, Keras, dan Gluon. Biasanya algoritme machine learning yang digunakan adalah algoritme bawaan dan disetel untuk skala, kecepatan, dan akurasi dengan lebih dari ratusan model dan algoritme tambahan yang sebelumnya dilatih, yang tersedia di AWS Marketplace. Anda juga dapat menggunakan algoritme atau alur kerja lain dengan membangunnya ke dalam kontainer Docker.

logo-tesnorflow
logo-mxnet
logo-pytorch
logo-chainer
logo-keras
logo-gluon
logo-horovod
pull-10x

Mengatur dan mengelola lingkungan pelatihan

SageMaker_Chart_3

Pelatihan sekali klik

Mulai melatih model Anda dengan sekali klik. Amazon SageMaker menangani semua infrastruktur dasar untuk meningkatkan skala kumpulan data berukuran petabita Anda dengan mudah.

Instans Amazon EC2 P3 menyediakan 8 GPU NVIDIA Tesla V100 GPU yang dioptimalkan untuk machine learning yang didistribusikan tercepat di cloud.
INSTANS GPU DENGAN KINERJA TERTINGGI
di cloud
25 GBPS
throughput jaringan
64 vCPU YANG DAPAT DISKALAKAN
Intel® Xeon® Skylake dengan AVX-512
MEMORI 16 GB
per GPU

Tempat terbaik untuk menjalankan TensorFlow

Optimalisasi TensorFlow AWS untuk menyediakan efisiensi penskalaan yang hampir linear di ratusan GPU untuk beroperasi pada skala cloud overhead pemrosesan untuk melatih model yang lebih akurat dan canggih dengan waktu yang jauh lebih singkat.

STOCK TENSORFLOW
img-65p
TENSORFLOW DIOPTIMALKAN DENGAN AWS
img-90p

Efisiensi Penskalaan dengan 256 GPU

AWS SageMaker adalah tempat terbaik untuk menjalankan TensorFlow di cloud
DIKELOLA SEPENUHNYA
pelatihan dan hosting
PENSKALAAN YANG HAMPIR LINEAR
di ratusan GPU
BIAYA INFERENSI LEBIH RENDAH 75%
dengan Amazon Elastic Inference

Setel dan optimalkan model Anda

Setel model Anda secara otomatis

Penyetelan Model Otomatis menggunakan machine learning untuk dengan menyetel model Anda agar menjadi seakurat mungkin. Kemampuan ini memungkinkan Anda melewati proses uji coba penyesuaian parameter model secara manual yang terlalu panjang. Dengan menjalankan beberapa pelatihan, Penyetelan Model Otomatis akan melakukan optimalisasi hiperparameter dengan menemukan fitur menarik dalam data Anda dan mempelajari bagaiman fitur tersebut berinteraksi untuk memengaruhi akurasi. Anda menghemat waktu beberapa hari–atau bahkan beberapa minggu–memaksimalkan kualitas model terlatih Anda.

Latih sekali, jalankan di mana saja

Amazon SageMaker Neo memungkinkan Anda melatih model satu kali, dan menerapkannya di mana saja. Menggunakan machine learning, SageMaker Neo secara otomatis akan mengoptimalkan model terlatih yang dibangun dengan kerangka kerja populer untuk platform perangkat keras yang Anda tentukan tanpa kehilangan akurasi. Lalu Anda dapat menerapkan model Anda ke instans EC2 dan instans SageMaker, atau perangkat apa pun di edge yang memiliki runtime Neo, termasuk perangkat AWS Greengrass.

Pelajari selengkapnya »

pull-2x
pull-1-10
img-neo

Menerapkan dan mengelola model dalam produksi

Penerapan dengan satu klik ke produksi

Amazon SageMaker memudahkan penerapan model yang Anda latih dalam produksi dengan satu kali klik sehingga Anda dapat mulai membuat prediksi (proses yang disebut inferensi) untuk data real-time atau batch atau real-time. Model Anda pada berjalan pada klaster penskalaan otomatis dari instans Amazon SageMaker yang tersebar di beberapa availability zone untuk menghasilkan kinerja dan ketersediaan tinggi. Amazon SageMaker juga menyertakan kemampuan pengujian A/B bawaan untuk membantu Anda menguji model dan bereksperimen dengan berbagai versi untuk mencapai hasil terbaik.

Menjalankan model di edge

AWS Greengrass mempermudah dalam menerapkan model terlatih dengan Amazon SageMaker pada perangkat edge untuk menjalankan inferensi. Dengan AWS Greengrass, perangkat yang terhubung dapat menjalankan fungsi AWS Lambda, memastikan sinkronisasi data perangkat, dan berkomunikasi dengan perangkat lain secara aman–meskipun tidak terhubung dengan internet.

pull-75p

Kurangi biaya deep learning Anda hingga 75% menggunakan Amazon Elastic Inference untuk memasangkan GPU elastis ke instans Amazon SageMaker Anda dengan mudah. Untuk sebagian besar model, instans GPU lengkap terlalu besar untuk inferensi. Amazon Elastic Inference juga sulit mengoptimalkan kebutuhan GPU, CPU, dan memori aplikasi deep learning Anda dengan satu jenis instans. Elastic Inference memungkinkan Anda memilih jenis instans yang paling sesuai dengan seluruh kebutuhan CPU dan memori aplikasi Anda, kemudian secara terpisah mengonfigurasikan jumlah akselerasi GPU yang tepat, yang diperlukan untuk inferensi Anda.

Pelajari selengkapnya »

img-TFLOPS

SUPPORT

logo-tesnorflow
logo-mxnet

Kesuksesan pelanggan

Buat yang baru dengan reinforcement learning yang dikelola sepenuhnya

small-RL-icon

Gunakan reinforcement learning (RL) untuk membangun model canggih yang dapat mencapai hasil tertentu tanpa perlu data pelatihan yang telah diberi label. RL berguna untuk situasi yang tidak memiliki jawaban “benar” untuk dipelajari, tetapi terdapat hasil optimal seperti belajar mengemudikan mobil atau membuat perdagangan finansial yang positif. Sebagai ganti melihat data riwayat, algoritme RL belajar dengan bertindak dalam simulator di mana hadiah dan penalti membantu mengarahkan model ke perilaku yang diinginkan.

Amazon SageMaker RL mencakup algoritme RL bawaan dan dikelola sepenuhnya. SageMaker mendukung RL dalam beberapa kerangka kerja, termasuk TensorFlow dan MXNet, serta kerangka kerja yang dikembangkan khusus, yang dirancang dari awal untuk reinforcement learning, seperti Intel Coach, dan Ray RLlib.

Amazon SageMaker RL juga mendukung beberapa lingkungan RL, termasuk lingkungan fisik 2D dan 3D penuh, lingkungan simulasi komersial seperti MATLAB dan Simulink, serta apa pun yang mendukung antarmuka OpenAI Gym sumber terbuka, termasuk lingkungan yang dikembangkan khusus. Selain itu, SageMaker RL akan memungkinkan Anda berlatih menggunakan lingkungan 3D virtual yang dibangun dalam Amazon Sumerian dan AWS RoboMaker. Ini berarti Anda dapat membuat model apa pun dari sistem periklanan dan finansial hingga kontrol industri, robotika, dan kendaraan tanpa pengemudi.

Terbuka dan fleksibel

Machine learning sesuai keinginan Anda

Teknologi machine learning bergerak cepat, dan Anda harus tetap fleksibel dengan akses ke banyak kumpulan kerangka kerja dan alat. Dengan Amazon SageMaker, Anda dapat menggunakan kontainer bawaan untuk kerangka kerja populer atau menggunakan kerangka kerja pilihan Anda. Mana pun yang Anda pilih, Amazon SageMaker akan mengelola sepenuhnya infrastruktur dasar yang diperlukan untuk membangun, melatih, dan menerapkan model Anda.

Kinerja edge yang lebih baik

Kemampuan SageMaker Neo juga tersedia untuk setiap pengembang melalui sumber terbuka proyek Neo. Kami percaya bahwa memungkinkan semua orang menjalankan model di mana pun adalah langkah penting dalam memungkinkan machine learning mewujudkan semua potensi. Dengan berkontribusi pada upaya sumber terbuka, para vendor perangkat keras dapat meningkatkan Neo dengan optimalisasi baru dan meningkatkan keseluruhan ekosistem perangkat keras untuk machine learning.

SageMaker sempurna untuk alur kerja Anda

Di balik layar, Amazon SageMaker dibuat dari komponen terpisah: Ground Truth, Notebooks, Training, Neo, dan Hosting. Komponen ini dirancang untuk bekerja bersama untuk menyediakan layanan machine learning menyeluruh. Meski demikian, komponen ini juga dapat digunakan secara terpisah untuk melengkapi alur kerja machine learning yang ada atau untuk mendukung model yang berjalan di pusat data Anda atau di edge.

Belajar dan berakselerasi

ImgHead_Silverstone_TEST_Car_3

AWS DeepRacer

Mobil balap skala 1/18 yang sepenuhnya otonom dan dilengkapi dengan semua kebutuhan Anda untuk mempelajari tentang reinforcement learning melalui berkendara otonom.

Pelajari selengkapnya »

AWS DeepLens

Mempelajari penglihatan komputer melalui proyek, tutorial, dan eksplorasi nyata dan praktis menggunakan kamera video dengan deep learning pertama di dunia untuk pengembang.

Pelajari selengkapnya »

Pelatihan & Sertifikasi AWS Machine Learning

AWS Machine Learning University. Mata kuliah terstruktur untuk machine learning berdasarkan materi yang sama yang digunakan untuk melatih pengembang Amazon melalui kombinasi pengetahuan dasar dan pengaplikasian di dunia nyata.

Pelajari selengkapnya »

Amazon ML Solutions Lab

Amazon ML Solutions Lab memasangkan tim Anda dengan pakar machine learning dari Amazon. Solusi ini menggabungkan lokakarya pendidikan langsung dengan sesi brainstorming dan layanan profesional penasehat untuk membantu Anda 'bekerja mundur' dari tantangan bisnis, kemudian mengambil langkah demi langkah melalui proses membawa model ke dalam produksi. Setelah itu, Anda bisa memanfaatkan apa yang telah Anda pelajari dan menggunakannya di bagian lain dalam organisasi Anda untuk mengejar peluang lain.

Pelajari selengkapnya »