Publicado: Aug 15, 2018
Este Quick Start cria um ambiente de data lake para construir, treinar e implantar modelos de machine learning (ML) com o Amazon SageMaker na nuvem da Amazon Web Services (AWS). A implantação demora cerca de 10 a 15 minutos e usa serviços da AWS como Amazon Simple Storage Service (Amazon S3), Amazon API Gateway, Amazon Kinesis Data Streams e Amazon Kinesis Data Firehose.
O Amazon SageMaker é uma plataforma gerenciada que possibilita que desenvolvedores e cientistas de dados criem, treinem e implantem modelos de ML com rapidez e facilidade.
Esse Quick Start usa integralmente a ciência de dados para criar modelos preditivos e prescritivos, sem necessidade de configurar clusters de hardware de ML complexos.
O Quick Start oferece uma demonstração da Pariveda Solutions. Ele mostra como armazenar dados brutos no Amazon S3, transformar esses dados para consumo no Amazon SageMaker, usar o Amazon SageMaker para criar um modelo e hospedar o modelo em uma API de previsão para a definição de preço de instâncias spot no Amazon Elastic Compute Cloud (Amazon EC2).
Para começar a usar:
- Consulte a arquitetura e os detalhes
- Consulte o guia de implantação para ver as instruções
- Faça download dos modelos do AWS CloudFormation que automatizam a implantação
Para ver mais implantações de referência do Quick Start da AWS, consulte o nosso catálogo.
Os Quick Starts são implantações automatizadas de referência que usam modelos do AWS CloudFormation para implantar tecnologias essenciais na AWS de acordo com as melhores práticas da AWS. Esse Quick Start foi criado em colaboração com a Pariveda Solutions, Inc.