Amazon SageMaker

Machine learning para todos os desenvolvedores e cientistas de dados.

O Amazon SageMaker fornece a cada desenvolvedor e cientista de dados a habilidade de criar, treinar e implantar rapidamente modelos de machine learning. O Amazon SageMaker é um serviço totalmente gerenciado que abrange todo o fluxo de trabalho de machine learning para rotular e preparar seus dados, escolher um algoritmo, treinar, ajustar e otimizar o modelo para implantação, fazer previsões e tomar ação. Seus modelos entram em produção mais rapidamente com muito menos esforço e menos custo.

Amazon SageMaker

Machine learning para todos os desenvolvedores e cientistas de dados.

O Amazon SageMaker fornece a cada desenvolvedor e cientista de dados a habilidade de criar, treinar e implantar rapidamente modelos de machine learning. O Amazon SageMaker é um serviço totalmente gerenciado que abrange todo o fluxo de trabalho de machine learning para rotular e preparar seus dados, escolher um algoritmo, treinar, ajustar e otimizar o modelo para implantação, fazer previsões e tomar ação. Seus modelos entram em produção mais rapidamente com muito menos esforço e menos custo.

CRIAR

Coletar e preparar os dados de treinamento.

Rotulamento de dados e notebooks pré-criados para problemas comuns

Escolha e otimize seu algoritmo de ML

Algoritmos integrados, de alta performance e centenas de algoritmos prontos para usar no AWS Marketplace

TREINAR

Configurar e gerenciar ambiente para treinamento

Treinamento em um clique usando instâncias sob demanda ou spot do Amazon EC2

Treinar e ajustar modelo

Treinar uma vez, executar em qualquer lugar e otimização de modelos

IMPLANTAR

Implantar modelo em produção

Implantação com um clique

Escalar e gerenciar o ambiente de produção

Gerenciado com escalabilidade automática por 75% menos

CRIAR

Coletar e preparar os dados de treinamento.

Rotulamento de dados e notebooks pré-criados para problemas comuns

Escolha e otimize seu algoritmo de ML

Algoritmos integrados, de alta performance e centenas de algoritmos prontos para usar no AWS Marketplace

TREINAR

Configurar e gerenciar ambiente para treinamento

Treinamento em um clique na infraestrutura de desempenho mais alto

Treinar e ajustar modelo

Treinar uma vez, executar em qualquer lugar e otimização de modelos

IMPLANTAR

Implantar modelo em produção

Implantação com um clique

Escalar e gerenciar o ambiente de produção

Totalmente gerenciado com escalabilidade automática por 75% menos


Clientes em destaque

State Farm
Intuit
Siemens
NFL
Expedia
Liberty Mutual
Formula 1
Coinbase
Cerner
Korean Air
Change Healthcare
GE-Healthcare
Convoy

Coletar e preparar os dados de treinamento

Rotular dados de treinamento rapidamente

O Amazon SageMaker Ground Truth ajuda a criar e gerenciar conjuntos de dados de treinamento altamente precisos rapidamente. O Ground Truth oferece acesso fácil a rotuladores humanos públicos e privados e fornece a eles fluxos de trabalho e interfaces integrados para tarefas comuns de rotulamento. Além disso, o Ground Truth aprenderá a partir de rótulos humanos para fazer anotações automáticas de alta qualidade a custos de rotulamento significativamente mais baixos.

Saiba mais »
70-percent-reduction
ground-truth

Notebooks hospedados

Os notebooks Jupyter totalmente gerenciados podem ser usados na nuvem ou você pode trazer notebooks do seu ambiente local para explorar e visualizar os dados e desenvolver seu modelo. Além de começar do zero, você pode escolher entre dezenas de notebooks pré-criados e utilizá-los da maneira que estão ou modificá-os de acordo com suas necessidades específicas, para facilitar a exploração e visualização rápida dos dados de treinamento. As soluções estão disponíveis para muitos problemas comuns, como recomendações e personalização, detecção de fraudes, previsão, classificação de imagens, previsão de rotatividade, segmentação de clientes, processamento de registros e detecção de anomalias, além de fala para texto.

 

Saiba mais »
jupyter-logo-white
hosted-notebooks

Escolher e otimizar seu algoritmo de machine learning

O Amazon SageMaker configura e otimiza automaticamente o TensorFlow, o Apache MXNet, o PyTorch, o Chainer, o Scikit-learn, o SparkML, o Horovod, o Keras e o Gluon. Os algoritmos de machine learning usados comumente são integrados e ajustados para escala, velocidade e precisão com mais de 200 modelos e algoritmos pré-treinados adicionais disponíveis no mercado AWS. Você também pode inserir qualquer outro algoritmo ou estrutura compilando-os em um contêiner do Docker.

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

Configurar e gerenciar ambientes de treinamento

Treinamento em um clique

Comece a treinar seu modelo com um só clique e reduza seus custos de treinamento em até 90% com o Treinamento gerenciado de spots. O Amazon SageMaker trata toda a infraestrutura subjacente para escalar facilmente conjuntos de dados em escala de petabytes.

 

O machine learning distribuído mais rápido na nuvem.

Instâncias P3dn do Amazon EC2 fornecem 8 GPUs NVIDIA Tesla.

 

96 vCPUs Intel Xeon Skylake escaláveis com AVX-512

100 Gbps de taxa de transferência de rede

32 GB de memória por GPU

 

Treinamento em um clique

Comece a treinar seu modelo com um único clique. O Amazon SageMaker trata toda a infraestrutura subjacente para escalar facilmente conjuntos de dados em escala de petabytes.

 

O machine learning distribuído mais rápido na nuvem.

Instâncias P3 do Amazon EC2 fornecem 8 GPUs NVIDIA Tesla.

 

64 vCPUs Intel Xeon Skylake escaláveis com AVX-512

25 GBPS de taxa de transferência de rede

16 GB de memória por GPU

O melhor lugar para executar o TensorFlow

As otimizações do TensorFlow da AWS fornecem eficiência de escalabilidade quase linear entre centenas de GPUs para operar na escala de nuvem sem muita sobrecarga de processamento para treinar modelos mais precisos e mais sofisticados em muito menos tempo.

Treinamento e hospedagem totalmente gerenciados

Escalabilidade quase linear entre centenas de GPUs

Custos de interferência 75% menores

 

TENSORFLOW NORMAL
65p
TENSORFLOW OTIMIZADO PELA AWS
90p

Escalabilidade eficiente, com 256 GPUs

Ajustar e otimizar seu modelo

Ajustar seu modelo automaticamente

O ajuste automático de modelos usa machine learning para ajustar seu modelo para que seja o mais preciso possível. Esse recurso permite ignorar o processo tedioso de tentativa e erro de ajustar parâmetros de modelos manualmente. Em vez disso, por meio de várias execuções de treinamento, o ajuste automático de modelos realiza a otimização de hiperparâmetros descobrindo recursos interessantes em seus dados e aprendendo como esses recursos interagem para afetar a precisão. Você economiza dias, ou até semanas, de tempo maximizando a qualidade do modelo treinado.

Treine uma vez, execute em qualquer lugar

O Amazon SageMaker permite que você treine um modelo uma vez e implante-o em qualquer lugar. Usando machine learning, o SageMaker Neo otimizará automaticamente qualquer modelo treinado criado com uma estrutura popular para a plataforma de hardware especificada por você, sem perda de precisão. Em seguida, você pode implantar seu modelo em instâncias do EC2 e em instâncias do SageMaker ou em qualquer dispositivo no ponto que inclua o tempo de execução do Neo, incluindo dispositivos do AWS Greengrass.

Saiba mais »

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

Implantar e gerenciar modelos em produção

Implantação na produção com um clique

O Amazon SageMaker facilita a implantação de seu modelo treinado na produção com um único clique para que você possa começar a gerar previsões (um processo chamado inferência) para dados em lotes ou em tempo real. Seu modelo executa em clusters de escalabilidade automática de instâncias do Amazon SageMaker espalhadas em várias zonas de disponibilidade para entregar alto desempenho e alta disponibilidade. O Amazon SageMaker também inclui recursos integrados de teste A/B para ajudar você a testar seu modelo e experimentar versões diferentes a fim de atingir os melhores resultados.

Executar modelos no ponto

O AWS Greengrass facilita a implantação de modelos treinados com o Amazon SageMaker em dispositivos de ponto para executar inferência. Com o AWS Greengrass, os dispositivos conectados podem executar funções do AWS Lambda, manter o sincronismo dos dados dos dispositivos e comunicar-se com outros dispositivos de forma segura, mesmo quando não estão conectados à Internet.

pull-75p

Reduza seus custos de inferência de deep learning em até 75% usando o Amazon Elastic Inference para anexar aceleração de GPU elástica a suas instâncias do Amazon SageMaker facilmente. Para a maioria dos modelos, um instância de GPU inteira é grande demais para inferência. Além disso, pode ser difícil otimizar as necessidades de GPU, CPU e memória de seu aplicativo de deep learning com um único tipo de instância. A inferência elástica permite escolher o tipo de instância mais adequada para as necessidades gerais de CPU e memória de seu aplicativo e, em seguida, configurar a quantidade certa de aceleração de GPU necessária para inferência.

Saiba mais »

img-TFLOPS

SUPORTES

logo-tesnorflow
logo-mxnet

Histórias de sucesso de clientes

Criar o que vem a seguir com reforço de aprendizado totalmente gerenciado

small-RL-icon

Use o reforço de conhecimento (RL – reinforcement learning) para criar modelos sofisticados que podem obter resultados específicos sem a necessidade de dados de treinamento pré-rotulados. O RL é útil em situações em que não há uma resposta "certa" da qual aprender, mas há um resultado ideal, como aprender a dirigir um carro ou fazer transações financeiras positivas. Em vez de examinar dados históricos, os algoritmos de RL aprendem tomando ações em um simulador onde prêmios e penalidades ajudam a direcionar o modelo na direção do comportamento desejado.

O Amazon SageMaker RL inclui algoritmos de RL integrados e totalmente gerenciados. O SageMaker oferece suporte ao RL em várias estruturas, incluindo TensorFlow e MXNet, bem como estruturas personalizadas desenvolvidas a partir do zero para reforço de conhecimento, como Intel Coach e Ray RLlib.

O Amazon SageMaker RL também oferece suporte a vários ambientes de RL, incluindo ambientes físicos 2D e 3D, ambientes de simulação comercial, somo MATLAB e Simulink, e a qualquer coisa compatível com a interface do OpenAI Gym, incluindo ambientes personalizados desenvolvidos. Além disso, o SageMaker RL permite treinar usando ambientes 3D virtuais criados no Amazon Sumerian e no AWS RoboMaker. Isso significa que você pode modelar tudo, de publicidade e sistemas financeiros a controles industriais, robótica e veículos autônomos.

Aberto e flexível

Machine learning do seu jeito

A tecnologia de machine learning muda rapidamente, e você deve permanecer flexível com acesso a um grande conjunto de estruturas e ferramentas. Com o Amazon SageMaker, você pode usar os contêineres integrados de qualquer estrutura popular ou usar sua própria estrutura. De qualquer maneira, o Amazon SageMaker gerenciará totalmente a infraestrutura subjacente necessária para criar, treinar e implantar seus modelos.

Melhor desempenho de ponto

Os recursos do SageMaker Neo também estão disponíveis para todos os desenvolvedores por meio do projeto Neo de código-fonte aberto. Acreditamos que a possibilidade de qualquer um executar modelos em qualquer lugar é uma etapa necessária para permitir que o machine learning concretize todo o seu potencial. Ao colaborar com o esforço do código-fonte aberto, os fornecedores de hardware podem melhorar o Neo com novas otimizações e promover o ecossistema de hardware em geral para o machine learning.

O SageMaker se adéqua a seu fluxo de trabalho

Nos bastidores, o Amazon SageMaker é feito de componentes separados: Ground Truth, Notebooks, Treinamento, Neo e Hospedagem. Esses componentes são projetados para funcionarem em conjunto para fornecer um serviço de machine learning completo. No entanto, eles também podem ser usados de forma independente para complementar fluxos de trabalho de machine learning existentes ou oferecer suporte a modelos que são executados em seu datacenter ou no ponto.

Aprender e acelerar

ImgHead_Silverstone_TEST_Car_3

AWS DeepRacer

Um pista de carros de corrida em escala de 1/18, equipada com tudo o que você precisa saber sobre reforço de conhecimento por meio de direção autônoma.

Saiba mais »

AWS DeepLens

Saiba mais sobre a visão de computação por meio de projetos, tutoriais e exploração prática do mundo real com a primeira câmera de vídeo do mundo habilitada para deep learning para desenvolvedores.

Saiba mais »

Treinamento e certificação no AWS Machine Learning

Universidade do AWS Machine Learning. Cursos estruturados para machine learning com base no mesmo material usado para treinamento de desenvolvedores da Amazon por meio da combinação de conhecimento básico e aplicação do mundo real.

Saiba mais »

Laboratório de soluções do Amazon ML

O laboratório de soluções do Amazon ML forma sua equipe com especialistas em machine learning da Amazon. O laboratório combina workshops educacionais práticos com sessões de brainstorming e serviços de consultoria para ajudar você a “trabalhar ao contrário”, partindo dos desafios empresariais e avançando passo a passo pelo processo de implantar um modelo em produção. Subsequentemente, você poderá usar o que aprendeu em qualquer lugar de sua organização para buscar oportunidades adicionais.

Saiba mais »