Risorse per gli sviluppatori di Amazon SageMaker

Impara a costruire un modello di ML con i passaggi e le risorse indicate in questa guida.

Accedi a un ricco repository di notebook SageMaker su GitHub.

Utilizza gli algoritmi sviluppati in Amazon SageMaker, più veloci ed economici delle alternative più utilizzate.

Amazon SageMaker offre molti algoritmi integrati ottimizzati per la velocità, la scalabilità e la precisione. Scopri come scegliere l'algoritmo corretto in base al problema da risolvere utilizzando il machine learning.

Il linguaggio R è diffuso tra i data scientist e i professionisti del machine learning. In questo video, scopri come puoi utilizzare R ed eseguire simulazioni di machine learning sicure su larga scala con Amazon SageMaker.

Scopri come configurare contenitori utilizzando i servizi AWS con facilità e su larga scala. Questo video ti consentirà di comprendere come mantenere la coerenza e la portabilità nell'ambiente di sviluppo di machine learning.

Impara a usare Amazon SageMaker Studio per addestrare e configurare un modello di deep learning con TensorFlow.

Consulta la panoramica su come addestrare i modelli di machine learning utilizzando Amazon SageMaker.

Organizza e rileva le iterazioni di formazione in modo efficiente con Amazon SageMaker Experiments. La formazione di un modello di ML solitamente richiede molte iterazioni per isolare e misurare l'impatto del cambiamento di set di dati, versioni dell'algoritmo e parametri del modello. SageMaker Experiments ti aiuta a gestire le iterazioni con l'acquisizione automatica di parametri di input, configurazioni e risultati, oltre a identificare gli esperimenti con le migliori prestazioni.

L’addestramento di un modello di ML solitamente richiede molte iterazioni per isolare e misurare l'impatto di molteplici variabili. In questo video scoprirai come Amazon SagMaker Experiments può aiutarti a controllare le iterazioni all’interno dell’interfaccia visiva di SageMaker Studio.

Prova questi esempi utilizzando la configurazione degli iperparametri attraverso diversi algoritmi e i framework di deep learning.

Scopri come risparmiare fino al 90% dei costi di formazione utilizzando le istanze Spot Amazon EC2 con Managed Spot Training. Le istanze Spot sono capacità di calcolo dello spazio e le attività di formazione vengono automaticamente eseguite quando diventa disponibile capacità di scorta. Le attività di formazione vengono rese resilienti alle interruzioni provocate da modifiche della capacità, consentendo un risparmio grazie alla flessibilità del momento di esecuzione dei processi di formazione.

Tramite questo tech talk on demand, scopri come utilizzare Amazon SageMaker Experiments e come Amazon SageMaker Debugger migliora la qualità dei modelli attraverso l'ottimizzazione della loro formazione e configurazione. Imparerai come gestire le iterazioni acquisendo automaticamente i parametri di input, le configurazioni e i risultati nonché le misurazioni in tempo reale durante la fase di addestramento, ad esempio le matrici di addestramento, di convalida e di confusione.