Amazon SageMaker JumpStart

Hub de machine learning (ML) com algoritmos integrados, foundation models e soluções de ML pré-construídas que você pode implantar com apenas alguns cliques

Centenas de algoritmos integrados com modelos pré-treinados de conhecidos hubs de modelos

Foundation models populares que podem ser implantados com apenas alguns cliques

Soluções totalmente personalizáveis para casos de uso comuns com arquiteturas de referência acelerar sua jornada de ML

Compartilhe modelos e notebooks de ML na sua organização para acelerar a construção e a implantação de modelos de ML

O Amazon SageMaker JumpStart é um hub de machine learning (ML) que pode ajudar você a acelerar sua jornada de ML. Com o SageMaker JumpStart, você pode acessar algoritmos integrados com modelos pré-treinados de hubs de modelos, foundation models pré-treinados para ajudar você a realizar tarefas como resumo de artigos e geração de imagens, e soluções pré-construídas para solucionar casos de uso comuns. Além disso, você pode compartilhar artefatos de ML, incluindo modelos e notebooks, dentro da sua organização para acelerar a criação e a implantação de modelos de ML.

Como funciona

  • Algoritmos integrados com modelos pré-treinados
  • Soluções
  • Diagrama de funcionamento de soluções
  • Compartilhamento de artefatos de ML
  • Diagrama HIW de compartilhamento de artefatos de ML

Algoritmos integrados

O SageMaker JumpStart fornece centenas de algoritmos integrados com modelos pré-treinados de hubs de modelos, como TensorFlow Hub, PyTorch Hub, HuggingFace e MxNet GluonCV. Você também pode acessar algoritmos integrados usando o SageMaker Python SDK. Os algoritmos integrados abrangem tarefas comuns de ML, como classificações de dados (imagem, texto, tabulares) e análise de sentimentos.

Saiba mais sobre algoritmos integrados »

Foundation models

Foundation models são models de ML em larga escala que contêm bilhões de parâmetros e são pré-treinados em terabytes de dados de texto e imagem para que você possa executar uma ampla gama de tarefas como resumo de artigos e geração de texto, imagem ou vídeo. Como os foundation models são pré-treinados, eles podem ajudar a reduzir o treinamento e os custos de infraestrutura e você pode personalizá-los para seu caso de uso.

Comece a usar foundation models »

Foundation models disponíveis por meio do SageMaker.

Soluções pré-construídas

Soluções pré-construídas podem ser usadas para casos de uso comuns e são totalmente personalizáveis.

Saiba mais sobre soluções pré-construídas »

Clientes

  • Tyson
  • Tyson
    Tyson
    ”Na Tyson Foods, continuamos a buscar novas maneiras de usar machine learning (ML) no nosso processo de produção para aumentar a produtividade. Usamos modelos de classificação de imagem para identificar produtos na linha de produção que exigem rótulos de embalagem. No entanto, os modelos de classificação de imagem precisam estar sempre sendo retreinados com novas imagens de campo. O Amazon SageMaker JumpStart permite que nossos cientistas de dados compartilhem modelos de ML com os engenheiros de suporte para que eles possam treinar os modelos com novos dados sem precisar programarem. Isso acelera o tempo de introdução no mercado de soluções de ML, promove melhorias contínuas e aumenta a produtividade.”

    Rahul Damineni, cientista de dados especialista, Tyson Foods

  • Automatização da missão
  • Automatização da missão
    Automatização da missão
    “Graças ao Amazon SageMaker JumpStart, podemos lançar soluções de ML em questão de dias para atender às necessidades de previsão de machine learning de forma mais rápida e confiável.”

    Alex Panait, CEO – Mission Automate

  • MyCase
  • MyCase
    MyCase
    “Graças ao Amazon SageMaker JumpStart, podemos ter melhores pontos de partida, o que facilita a implantação de uma solução ML para nossos próprios casos de uso em 4-6 semanas ao invés de 3-4 meses.”

    Gus Nguyen, Engenheiro de Software – MyCase

  • pivotree
  • Pivotree
    Pivotree
    “Com o Amazon SageMaker JumpStart, podemos construir aplicações ML como detecção automática de anomalias ou classificação de objetos mais rápido e lançar soluções da prova de conceito à produção em dias.”

    Milos Hanzel, arquiteto de plataformas – Pivotree  

Comece a usar o Amazon SageMaker JumpStart

Blogs

BLOG

Treinamento incremental com o Amazon SageMaker JumpStart

BLOG

Modelos e algoritmos do Amazon SageMaker JumpStart disponíveis via API

Blog

Novos algoritmos pré-integrados do Amazon SageMaker para modelagem de dados tabulares

BLOG

Aprendizado por transferência para modelos de classificação de imagem do TensorFlow

BLOG

Detecte fraudes em transações financeiras usando uma rede neural de grafos com o Amazon SageMaker

BLOG

Previsão de demanda profunda com o Amazon SageMaker

Exercícios práticos

Tutorial

Tutorial passo a passo para começar a usar o SageMaker JumpStart

WORKSHOPS

Saiba como usar o SageMaker JumpStart para casos de uso

Novidades

Data (do mais recente ao mais antigo)
  • Data (do mais recente ao mais antigo)
Nenhum resultado encontrado
1