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
Totalmente 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
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 »
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 »
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.
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 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
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
Escalabilidade eficiente, com 256 GPUs
Ajustar e otimizar seu modelo
Ajustar seu modelo automaticamente
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.
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.
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.
SUPORTES
Histórias de sucesso de clientes
“A GE Healthcare está transformando a área de saúde capacitando os provedores a entregar melhores resultados. Treinamos nossos modelos de visão de computação no Amazon SageMaker que são implantados em nossas máquinas de IRM e raio-x. Com a aplicação de técnicas de reforço de conhecimento, podemos reduzir o tamanho dos modelos treinados e obter o equilíbrio certo entre compactação de rede e precisão de modelos. O Amazon SageMaker RL permitiu que progredíssemos da ideia para a implementação em menos de quatro semanas removendo as complexidades da execução de cargas de trabalho de RL.
"Na NFL, somos mais eficientes no desenvolvimento de métricas para a oferta da Next Gen Stats, aproveitando a tecnologia da AWS. O Machine Learning e outros cálculos que podem levar meses para serem refinados agora demoram semanas ou dias, permitindo-nos engajar, informar e estimular o fã de maneiras novas e únicas.”
"Por trás de cada deslizada na tela do Tinder está um sistema que gerencia milhões de solicitações por minuto, bilhões de deslizadas por dia, em mais de 190 países. O Amazon SageMaker simplifica o Machine Learning, ajudando nossas equipes de desenvolvimento a criar modelos para previsões que criam novas conexões que, de outra forma, poderiam nunca ser possíveis.”
“Com o Amazon SageMaker, podemos acelerar nossas iniciativas de inteligência artificial em grande escala, criando e implantando algoritmos na plataforma. Criaremos e implantaremos algoritmos inovadores de Machine Learning e IA em grande escala nessa plataforma para resolver problemas complexos dos clientes e promover o seu sucesso.”
“O Amazon SageMaker RL tornou o reforço do conhecimento simples, escalável e acessível. Projetamos proteínas por meio de desenvolvimento de ferramentas de ponta para descoberta e otimização de enzimas e, dessa forma, tornando a fabricação de substâncias químicas mais barata e mais verde. Com o Amazon SageMaker RL, podemos usar diferentes clusters com diferentes tipos de instância para treinamento e execução de simulações, o que introduziu eficiência em nosso processo de desenvolvimento e reduziu significativamente o custo da execução de cargas de trabalho de RL. Com esses recursos, poderemos expandir as possibilidades com reforço de conhecimento de vários agentes.
“Na Hotels.com, estamos sempre interessados em aumentar a agilidade, usar as mais recentes tecnologias e promover a inovação. Os algoritmos otimizados de treinamento distribuído e os recursos incorporados de hiperparâmetros do Amazon SageMaker devem permitir que a equipe crie rapidamente modelos mais precisos com base em nossos maiores conjuntos de dados, reduzindo o tempo considerável necessário para implantar um modelo em produção. Basta uma chamada de API. O Amazon SageMaker reduzirá substancialmente a complexidade do Machine Learning, agilizando a criação de uma melhor experiência para os nossos clientes.”
Matt Frye, vice-presidente e diretor de ciência de dados da Hotels.com e da Expedia Affiliate Network
“Incorporar Machine Learning em nossos sistemas e práticas é uma ótima maneira de levar o entendimento do jogo a um nível totalmente novo para nossos fãs e os 30 clubes. Escolhemos a AWS por causa de sua força, profundidade e experiência comprovada no fornecimento de serviços de Machine Learning para criar novas oportunidades de compartilhar métricas nunca vistas antes.”
Jason Gaedtke, diretor de tecnologia, Major League Baseball
Criar o que vem a seguir com reforço de aprendizado totalmente gerenciado
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
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.
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.
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.
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.
