Conceitos básicos
O Amazon Sagemaker ajuda os cientistas de dados e desenvolvedores a preparar, construir, treinar e implantar modelos de machine learning (ML) de alta qualidade rapidamente ao unir um amplo conjunto de capacidades especialmente criadas para o ML.
Introdução ao Amazon SageMaker
Aprenda a preparar, construir, treinar e implantar modelos com o Amazon SageMaker.
VÍDEO
Complete todas as tarefas administrativas necessárias para iniciar o Amazon Sagemaker com apenas alguns cliques.
TUTORIAL
Neste tutorial, você usará o Amazon Sagemaker Studio para construir, treinar, implantar e monitorar um modelo XGBoost. Nós cobrimos todo o fluxo de trabalho do aprendizado em máquina (ML) a partir de engenharia de recursos e treinamento de modelos para agrupar e colocar em prática as implantações dos modelos ML.
GUIA DO DESENVOLVEDOR
Siga este guia detalhado para começar a usar todos os recursos do Amazon SageMaker Studio.
WEBINAR
Nesta conversa técnica sob demanda, nós mostraremos como criar rapidamente novas anotações, enviar dados, treinar modelos, comparar resultados dos modelos e implantar modelos para a produção, tudo dentro do Amazon Sagemaker Studio.
Fluxos de trabalho de ML seguros e compatíveis com o Amazon SageMaker
Você já se perguntou como construir um fluxo de trabalho de ML seguro e compatível de ponta a ponta para serviços financeiros? Confira essa demonstração de vídeo; nela, nós abordamos os padrões e requisitos comuns exigidos por setores altamente regulados para os seus casos de uso com machine learning seguro.
Criar modelos de machine learning
GUIA DO DESENVOLVEDOR
Aprenda a criar um modelo de ML com as etapas e os recursos descritos neste guia.
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.
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
TUTORIAL
Aprenda a usar o Amazon Sagemaker Studio para treinar, e depurar um modelo de aprendizado profundo do TensorFlow.
GUIA DO DESENVOLVEDOR
Leia a visão geral sobre como treinar os modelos de machine learning usando o Amazon SageMaker.
BLOG
Organize e monitore suas iterações de treinamento de modo eficiente com o Amazon SageMaker Experiments. O treinamento de um modelo de ML normalmente envolve muitas iterações para isolar e medir o impacto da alteração de conjuntos de dados, versões de algoritmos e parâmetros de modelo. O SageMaker Experiments ajuda a gerenciar essas iterações, capturando automaticamente os parâmetros de entrada, as configurações e os resultados e identifica o experimento com melhor desempenho.
VÍDEO
O treinamento de um modelo de ML normalmente envolve muitas iterações para isolar e medir o impacto de múltiplas variáveis. Neste vídeo, aprenda como o Amazon SageMaker Experiments pode ajudar você e rastrear estas iterações dentro da interface visual do SageMaker Studio.
LABORATÓRIO PRÁTICO
Teste esses exemplos de uso do ajuste de hiperparâmetros em diferentes algoritmos e estruturas de aprendizagem profunda.
TUTORIAL
Saiba como economizar até 90% em custos de treinamento usando as instâncias spot Amazon EC2 com treinamento gerenciado em spots. Instâncias spot são a capacidade computacional de espaço, e trabalhos de treinamento são executados automaticamente quando a capacidade livre se torna disponível. Os treinamento são resilientes a interrupções causadas por alterações na capacidade, permitindo economizar custos quando você tem flexibilidade com a execução de trabalhos de treinamento.
WEBINAR
Neste Tech Talk sob demanda, saiba como usar o Amazon SageMaker Experiments e como o Amazon SageMaker Debugger aprimora a qualidade dos modelos com treinamento e ajustes superiores. Você verá como gerenciar iterações capturando automaticamente os parâmetros de entrada, as configurações e os resultados, bem como métricas em tempo real durante o treinamento, como matrizes de treinamento, validação e confusão.
VÍDEO
O processo de treinamento de ML é amplamente opaco. Aprenda como o Amazon Sagemaker Debugger torna o processo de treinamento transparente ao capturar automaticamente métricas, analisar operações de treinamento e detectar problemas.
Implante modelos de machine learning
GUIA DO DESENVOLVEDOR
Siga o guia detalhado para implantar os modelos de machine learning na infraestrutura de melhor performance.
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.
VÍDEO
Aprenda como o Amazon Sagemaker Multi-Model Endpoints permite uma maneira escalável e custo-eficiente de implantar modelos de ML em escala usando um único endpoint.
Recursos adicionais
SDKs
Use APIs adaptadas à sua linguagem de programação ou plataforma para facilitar o uso do Amazon SageMaker em seus aplicativos.
Android
JavaScript
Node.js
Python
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.
Blogs relacionados ao Amazon SageMaker
Saiba mais sobre os recursos do Amazon SageMaker