Amazon SageMaker JumpStart

Un hub di machine learning (ML) con algoritmi integrati, modelli di base e soluzioni di ML predefinite implementabili con pochi clic

Nozioni di base su Amazon SageMaker JumpStart

Accesso a centinaia di algoritmi integrati con modelli pre-addestrati da hub di modelli popolari

Modelli di base popolari implementabili con pochi clic

Soluzioni completamente personalizzabili per casi d'uso comuni con architetture di riferimento per accelerare il percorso verso il ML

Condivsione di notebook e modelli di ML in tutta l'organizzazione per accelerare la creazione e l'implementazione di modelli di ML

Amazon SageMaker JumpStart è un hub di machine learning (ML) che può contribuire ad accelerare il percorso verso il ML. Con SageMaker JumpStart è possibile accedere ad algoritmi integrati con modelli pre-addestrati provenienti da hub di modelli, modelli di base pre-addestrati per facilitare lo svolgimento di attività come la sintesi di articoli e la generazione di immagini, nonché soluzioni predefinite per risolvere casi d'uso comuni. Inoltre, è possibile condividere artefatti di ML, tra cui modelli e notebook di ML, all'interno dell'organizzazione per accelerare la creazione e l'implementazione di modelli di ML.

Come funziona

Algoritmi integrati con modelli pre-addestrati
Soluzioni
Condivisione degli artefatti di ML

Algoritmi integrati con modelli pre-addestrati
Soluzioni
Condivisione degli artefatti di ML

Algoritmi integrati

SageMaker JumpStart fornisce centinaia di algoritmi integrati con modelli pre-addestrati da hub di modelli, inclusi TensorFlow Hub, PyTorch Hub, HuggingFace e MxNet GluonCV. Puoi accedere agli algoritmi integrati anche con l'SDK SageMaker Python. Gli algoritmi integrati coprono attività comuni di ML, come le classificazioni dei dati (immagine, testo, tabella) e l'analisi del sentiment.

Scopri di più sugli algoritmi integrati »

Modelli di base

I modelli di base sono modelli di ML di grandi dimensioni che contengono miliardi di parametri e sono pre-addestrati su terabyte di dati di testo e immagini, permettendo di eseguire un'ampia gamma di attività, dalla sintesi di articoli alla generazione di video, testi e immagini. Essendo pre-addestrati, i modelli di base possono contribuire a ridurre i costi di addestramento e infrastruttura pur consentendo la personalizzazione in funzione dello specifico caso d'uso.

Nozioni di base sui modelli di fondazione »

I modelli di base sono disponibili tramite SageMaker.

Soluzioni predefinite

Le soluzioni predefinite possono essere utilizzate per i casi d'uso comuni e sono completamente personalizzabili.

Ulteriori informazioni sulle soluzioni predefinite »

Clienti

Tyson
"In Tyson Foods siamo sempre alla ricerca di nuovi modi di sfruttare il machine learning (ML) nel processo di produzione al fine di incrementare la produttività. Utilizziamo i modelli di classificazione delle immagini per identificare i prodotti della catena di produzione che richiedono etichette di confezionamento. Tuttavia, a cadenza regolare, era necessario addestrare nuovamente i modelli di classificazione delle immagini con i nuovi dati ottenuti dal campo. Amazon SageMaker JumpStart permette ai data scientist di condividere i modelli di ML con gli ingegneri dell'assistenza, così ora possono addestrare essi stessi i modelli con i nuovi dati senza scrivere nuovo codice. Tutto ciò accelera il time-to-market delle soluzioni di ML, promuove le migliorie continue e incrementa la produttività."

Rahul Damineni, data scientist specializzato, Tyson Foods
Mission Automate
“Grazie ad Amazon SageMaker JumpStart, siamo in grado in pochi giorni di avviare soluzioni per soddisfare le esigenze in termini di stime di machine learning in maniera più rapida e affidabile.”

Alex Panait, AD – Mission Automate
MyCase
“Grazie ad Amazon SageMaker JumpStart, riusciamo ad avere punti di partenza migliori che ci consentono di distribuire una soluzione di ML per i nostri casi d’uso in 4-6 settimane anziché 3-4 mesi.”

Gus Nguyen, ingegnere di software – MyCase
Pivotree
“Con Amazon SageMaker JumpStart, siamo in grado di creare più rapidamente applicazioni di ML come il rilevamento automatico di anomalie o la classificazione di oggetti e avviare soluzioni dal proof of concept alla produzione nel giro di giorni.”

Milos Hanzel, architetto di piattaforma - Pivotree