Conceitos básicos

O Amazon SageMaker é um serviço modular gerenciado que ajuda desenvolvedores e cientistas de dados a criar, treinar e implantar modelos de machine learning em grande escala. Comece a usar esses recursos do desenvolvedor para que você possa sair rapidamente da esfera de conceito e passar logo para a fase de produção.

Introdução ao Amazon SageMaker

Saiba mais sobre a criação, o treinamento e a implantação de módulos do Amazon SageMaker.

Amazon SageMaker (1:03)

GUIA DO DESENVOLVEDOR


Siga este guia detalhado para começar a usar o Amazon SageMaker rapidamente.

TUTORIAL


Saiba quais são os conceitos básicos do Amazon SageMaker em 10 minutos.

CURSO DE TREINAMENTO


Neste curso de treinamento, aprenda a usar o Amazon SageMaker para simplificar a integração do machine learning aos seus aplicativos. Os principais tópicos incluem: uma visão geral de machine learning e problemas que ele pode ajudar a resolver, usando um notebook Jupyter para treinar um modelo baseado nos algoritmos integrados do Amazon SageMaker e usando o Amazon SageMaker para publicar o modelo validado. Você concluirá o curso criando um aplicativo sem servidor que se integra ao endpoint publicado do Amazon SageMaker.

CURSO DE TREINAMENTO


Neste curso de treinamento, você aprenderá a implementar um pipeline de machine learning usando o Amazon SageMaker e o Amazon SageMaker Ground Truth. Primeiro, você criará um conjunto de dados rotulado, uma tarefa de treinamento para treinar seu modelo de detecção de objetos e, finalmente, usará o Amazon SageMaker para criar e atualizar seu modelo.

Crie modelos de machine learning

Use o módulo Build do SageMaker para coletar e preparar dados de treinamento, acessar blocos de anotações pré-criados e aproveitar os algoritmos de alta performance integrados.

GUIA DO DESENVOLVEDOR


Aprenda a criar um modelo de ML com as etapas e os recursos descritos neste guia.

VÍDEO


Neste vídeo, aprenda tudo sobre as instâncias gerenciadas de bloco de anotações do Amazon SageMaker.

Dive deep into fully-managed notebook instances (16:44)

BLOG


Leia este blog e saiba como usar os fluxos de trabalho comuns usando as instâncias de bloco de anotações do Amazon SageMaker.

LABORATÓRIO PRÁTICO


Acesse no GitHub um repositório avançado de blocos de anotações do SageMaker.

LABORATÓRIO PRÁTICO


Utilize algoritmos incorporados ao Amazon SageMaker. Eles são mais rápidos e mais baratos que as alternativas conhecidas no mercado.

VÍDEO


Neste vídeo, saiba mais sobre os algoritmos de alta performance incorporados ao Amazon SageMaker.

Leverage high-performance built-in machine learning algorithms (15:37)

Treine e ajuste modelos de machine learning

Use o módulo Train para configurar os ambientes de treinamento com um clique e otimizar seu modelo usando o ajuste automático de módulo

GUIA DO DESENVOLVEDOR


Leia a visão geral sobre como treinar os modelos de machine learning usando o Amazon SageMaker.

VÍDEO


Neste vídeo, aprenda a treinar e ajustar seus modelos de machine learning com a mais alta precisão usando o Amazon SageMaker.

Train and tune ML models with Amazon SageMaker (18:29)

BLOG


Identifique os melhores modelos de ML para o seu caso de uso e passe para a fase de produção mais rapidamente. Rastreie, pesquise, filtre e classifique seus treinamentos de machine learning usando as etapas descritas neste blog. Agora, você pode obter o melhor modelo de ML em todos os seus testes usando os principais atributos do modelo, como valores de hiperparâmetro e métricas de precisão, com o Amazon SageMaker.

LABORATÓRIO PRÁTICO


Teste esses exemplos de uso do ajuste de hiperparâmetros em diferentes algoritmos e estruturas de aprendizagem profunda.

BLOG


Saiba como ajustar automaticamente os valores de hiperparâmetro do algoritmo em seu modelo de machine learning para obter as previsões mais precisas.

WEBINAR


Nesse tech talk sob demanda, saiba como treinar modelos de machine learning baseados no TensorFlow. Compreenda a combinação exclusiva do TensorFlow e do Amazon SageMaker para acelerar o treinamento de modelos de machine learning e conduzi-los ao ambiente de produção.

Implante modelos de machine learning

Use o módulo Deploy para implantar modelos de machine learning no ambiente de produção com um único clique.

GUIA DO DESENVOLVEDOR


Siga o guia detalhado para implantar os modelos de machine learning na infraestrutura de melhor performance.

VÍDEO


Neste vídeo, aprenda a implantar seus modelos de ML no ambiente de produção usando a infraestrutura mais escalável.

Deploy ML models from experimentation to production (7:52)

LABORATÓRIO PRÁTICO


Siga os exemplos no GitHub para usar o Amazon SageMaker e o AWS Step Functions para automatizar a criação, o treinamento e a implantação de modelos de machine learning personalizados.

BLOG


Saiba como usar os recursos de implantação do SageMaker, inclusive testes A/B e Auto Scaling, oferecendo alta performance e alta disponibilidade para seus modelos de machine learning.

WEBINAR


Nesse tech talk sob demanda, saiba mais sobre o ciclo de vida de machine learning, as melhores práticas para usar o Amazon SageMaker em sua empresa e como integrar o Amazon SageMaker a outros serviços da AWS.

BLOG


Neste blog, saiba como você pode criar, treinar e implantar modelos fastai no treinamento e na hospedagem do Amazon SageMaker usando o SDK do Amazon SageMaker Python e uma imagem de base do PyTorch. Você pode evitar as etapas adicionais de criação do seu próprio contêiner.

Recursos adicionais

SDKs

Use APIs adaptadas à sua linguagem de programação ou plataforma para facilitar o uso do Amazon SageMaker em seus aplicativos.

Novidades

Os anúncios de Novidades são resumos dos principais lançamentos e atualizações de recursos. Leia atualizações específicas do Amazon SageMaker e outros anúncios da AWS.

Leia agora »

No momento, não há nenhuma publicação de blogs. Consulte o blog da AWS para ver outros recursos 

Saiba mais sobre os recursos do Amazon SageMaker

Visite a página de recursos
Tem outras dúvidas?
Entre em contato conosco