Amazon SageMaker

Машинное обучение для любого разработчика и специалиста по работе с данными.

Благодаря Amazon SageMaker любой разработчик и специалист по работе с данными получает возможность создавать, обучать и развертывать модели машинного обучения просто и быстро. Amazon SageMaker – это полностью управляемый сервис, который охватывает полный цикл машинного обучения, выполняя маркировку и подготовку данных, выбор и обучение алгоритма, его настройку и оптимизацию для развертывания, а также прогнозирование и принятие мер. Рабочее развертывание моделей происходит с гораздо меньшими трудозатратами и расходами.

СОЗДАНИЕ

Сбор и подготовка данных для обучения

Маркировка данных и предустановленные блокноты для общих задач

Выбор и оптимизация алгоритма машинного обучения

Магазин моделей и алгоритмов, а также встроенные высокопроизводительные алгоритмы

ОБУЧЕНИЕ

Настройка сред для обучения и управление ими

Обучение в инфраструктуре высочайшего уровня производительности за один щелчок

Обучение и настройка модели

Однократное обучение для запуска в любом месте и оптимизация модели

РАЗВЕРТЫВАНИЕ

Рабочее развертывание модели

Развертывание за один щелчок

Масштабирование рабочей среды и управление ею

Полностью управляемое и автомасштабируемое решение с экономией 75 %


Избранные клиенты

logo-Edmunds
logo-intuit
logo-Siemens
logo-nfl
logo-Expedia-Group
logo-liberty_mutual
logo-FI
logo-coinbase
logo-roche
logo-convoy
logo-korean_air

Сбор и подготовка данных для обучения

Быстрая маркировка данных для обучения

Amazon SageMaker Ground Truth позволяет быстро создавать высокоточные наборы данных для обучения и управлять ими. Ground Truth обеспечивает простой доступ к публичным и частным средствам маркировки человеком и предоставляет предустановленные рабочие процессы и интерфейсы для распространенных задач маркировки. Кроме того, Ground Truth обучается на основании пользовательских меток, чтобы затем создавать высококачественные автоматические аннотации для значительного снижения затрат на маркировку.

Подробнее »
pull-70p
infographic-Ground_Truth
transparent-img-code
Размещенные блокноты

Полностью управляемые блокноты Jupyter, поддерживающие более десятка предустановленных рабочих процессов и
примеров, упрощают исследование и визуализацию данных для обучения.

Выбор и оптимизация алгоритма машинного обучения

Amazon SageMaker автоматически настраивает и оптимизирует среды TensorFlow, Apache MXNet, PyTorch, Chainer, Scikit‑learn, SparkML, Horovod, Keras и Gluon. Часто используемые алгоритмы машинного обучения встроены и настроены для масштабирования, обеспечения скорости и точности, а в AWS Marketplace доступно более ста дополнительных предварительно обученных моделей и алгоритмов. Кроме того, можно использовать любой другой алгоритм или платформу, упаковав их в контейнер Docker.

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

Настройка сред обучения и управление ими

SageMaker_Chart_3

Обучение за один щелчок

Начните обучение модели за один щелчок мышью. Amazon SageMaker поддерживает всю базовую инфраструктуру для простого масштабирования наборов данных петабайтного объема.

Инстансы Amazon EC2 P3 предоставляют 8 графических процессоров NVIDIA Tesla V100, оптимизированных для самого быстрого распределенного машинного обучения в облаке.
ИНСТАНС С ВЫСОЧАЙШИМ УРОВНЕМ ПРОИЗВОДИТЕЛЬНОСТИ ГРАФИЧЕСКОГО ПРОЦЕССОРА
в облаке
25 ГБИТ/С
пропускная способность сети
64 МАСШТАБИРУЕМЫХ ВИРТУАЛЬНЫХ ЦПУ
Intel® Xeon® Skylake с поддержкой инструкций AVX‑512
16 ГБ ПАМЯТИ
на один графический процессор

Лучшее место для запуска TensorFlow

Платформа TensorFlow, оптимизированная для AWS, обеспечивает практически линейную эффективность масштабирования на сотни графических процессоров для работы в масштабе облака без значительных расходов на обработку данных и позволяют обучать более точные и сложные модели за меньший срок.

БАЗОВАЯ ВЕРСИЯ TENSORFLOW
img-65p
TENSORFLOW С ОПТИМИЗАЦИЕЙ ДЛЯ AWS
img-90p

Эффективность масштабирования благодаря 256 графическим процессорам

AWS SageMaker – лучшая среда для запуска TensorFlow в облаке.
ПОЛНОСТЬЮ УПРАВЛЯЕМЫЕ
обучение и хостинг
ПРАКТИЧЕСКИ ЛИНЕЙНОЕ МАСШТАБИРОВАНИЕ
на сотни графических процессоров
75 % ЭКОНОМИИ НА ПОЛУЧЕНИИ ЛОГИЧЕСКИХ ВЫВОДОВ
благодаря Amazon Elastic Inference

Настройка и оптимизация модели

Автоматическая настройка модели

При автоматической настройке модели используется машинное обучение для быстрой настройки максимально точной модели. Благодаря этой возможности больше не требуется выполнять кропотливую ручную настройку параметров модели методом проб и ошибок. В ходе нескольких обучающих прогонов оптимизация гиперпараметров выполняется автоматически: обнаруживаются содержательные характеристики данных и анализируется, как эти характеристики взаимодействуют и влияют на точность. Экономьте время – дни или даже недели, увеличивая при этом качество обученной модели.

Однократное обучение для запуска в любом месте

Amazon SageMaker Neo позволяет обучить модель один раз и развертывать ее в дальнейшем в любом месте. С помощью машинного обучения SageMaker Neo автоматически оптимизирует любую обученную модель, созданную на популярной платформе, для выбранного пользователем оборудования без потери точности. После этого полученную модель можно развертывать в инстансах EC2 и SageMaker либо на любом другом периферийном устройстве, поддерживающем среду выполнения Neo, в том числе на устройствах AWS Greengrass.

Подробнее »

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

Развертывание моделей в рабочей среде и управление ими

Развертывание в рабочей среде за один щелчок

Благодаря Amazon SageMaker можно без труда выполнить развертывание обученной модели в рабочем режиме за один щелчок мышью и начать генерировать прогнозы (этот процесс называется построением логических выводов) на основе данных, поступающих в режиме реального времени, или пакетных данных. Модель запускается на автомасштабируемых кластерах инстансов Amazon SageMaker, распределенных между несколькими зонами доступности, что обеспечивает высокую производительность и доступность. Помимо этого, Amazon SageMaker имеет встроенные возможности А/В‑тестирования модели, которые позволяют экспериментировать с различными версиями для достижения наилучших результатов.

Развертывание моделей на периферии

Благодаря AWS Greengrass можно без труда развертывать модели, обученные с помощью Amazon SageMaker, на периферийных устройствах для получения логических выводов. AWS Greengrass позволяет подключенным устройствам выполнять функции AWS Lambda, синхронизировать данные и безопасно взаимодействовать с другими устройствами даже без подключения к Интернету.

pull-75p

Сервис Amazon Elastic Inference позволяет на 75 % сократить затраты на получение выводов на основе глубокого обучения, без труда подключив ускоренный эластичный графический процессор к инстансам Amazon SageMaker. Инстанс, полностью работающий на графических процессорах, предоставляет больше ресурсов, чем требуется большинству моделей для формирования логических выводов. Кроме того, оптимизация ресурсов графического процессора, ЦПУ и хранилища для приложения глубокого обучения в рамках одного типа инстанса является непростой задачей. Сервис Elastic Inference позволяет выбрать тип инстанса, наиболее соответствующий общим требованиям приложения к ЦПУ и хранилищу, а затем отдельно настроить объем ускорения графического процессора, необходимый для формирования логических выводов.

Подробнее »

img-TFLOPS

ПОДДЕРЖКА

logo-tesnorflow
logo-mxnet

Истории успеха клиентов

Создание передовых решений с помощью полностью управляемого обучения с подкреплением

small-RL-icon

Используйте обучение с подкреплением для создания сложных моделей, позволяющих достичь конкретных результатов без необходимости предварительной маркировки обучающих данных. Обучение с подкреплением является эффективным решением в ситуациях, когда не существует правильных ответов, но есть оптимальный желаемый результат. Пример такой ситуации – обучение вождению или совершению выгодных торговых сделок. Вместо того чтобы изучать исторические данные, алгоритмы обучения с подкреплением учатся, выполняя действия в моделирующей системе, где с помощью поощрений и наказаний модель приводится к желаемому поведению.

Обучение с подкреплением в Amazon SageMaker включает полностью управляемые встроенные алгоритмы обучения с подкреплением. Сервис SageMaker поддерживает множество платформ для обучения с подкреплением, включая TensorFlow и MXNet, а также специально разработанные платформы, изначально спроектированные для обучения с подкреплением, например Intel Coach и Ray RLlib.

Amazon SageMaker также поддерживает множество сред для обучения с подкреплением, включая полностью двухмерные и трехмерные физические среды, среды для коммерческого моделирования, например MATLAB и Simulink, а также любые другие среды, в том числе специально разработанные, которые поддерживают интерфейс с открытым исходным кодом OpenAI Gym. Кроме того, обучение с подкреплением в SageMaker позволяет выполнять обучение с помощью виртуальных трехмерных сред, созданных в Amazon Sumerian и AWS RoboMaker. Это означает, что можно моделировать все – от рекламных и финансовых систем до промышленных систем управления, робототехники и автономных транспортных средств.

Открытость и гибкость

Машинное обучение на ваших условиях

Технологии машинного обучения стремительно развиваются, поэтому важно сохранять гибкость и обладать доступом к обширному набору платформ и инструментов. Благодаря Amazon SageMaker можно использовать встроенные контейнеры для любой популярной платформы или же платформу по собственному выбору. При любом сценарии Amazon SageMaker обеспечит полное управление базовой инфраструктурой, необходимой для создания, обучения и развертывания моделей.

Повышенная производительность на периферии

Возможности сервиса SageMaker Neo доступны любому разработчику через проект с открытым исходным кодом Neo. Мы убеждены, что предоставить каждому возможность развертывать модели в любом месте – необходимый шаг для раскрытия всего потенциала машинного обучения. Делая вклад в проект с открытым исходным кодом, поставщики оборудования могут улучшить Neo благодаря новым оптимизациям и усовершенствовать всю аппаратную платформу для машинного обучения в целом.

SageMaker адаптируется к рабочим процессам

С точки зрения внутренней структуры Amazon SageMaker состоит из отдельных компонентов: Ground Truth, блокноты, обучение, Neo и хостинг. Эти компоненты созданы для совместной работы и образуют комплексный сервис для машинного обучения. При этом они также могут использоваться независимо для дополнения существующих рабочих процессов машинного обучения или поддержки моделей, развертываемых в ЦОД или на периферии.

Обучение и ускорение

ImgHead_Silverstone_TEST_Car_3

AWS DeepRacer

Полностью автономный гоночный автомобиль в масштабе 1/18 оснащен всем необходимым для изучения возможностей обучения с подкреплением на примере автономного вождения.

Подробнее »

AWS DeepLens

Изучайте машинное зрение с помощью проектов, учебных пособий и реальных практических исследований с использованием первой в мире видеокамеры для разработчиков с поддержкой глубокого обучения.

Подробнее »

Машинное обучение и сертификация на AWS

AWS Machine Learning University предлагает структурированные курсы по машинному обучению на основе материалов, используемых для обучения разработчиков Amazon. Учащиеся получают фундаментальные знания и учатся применять их в реальных условиях.

Подробнее »

Amazon ML Solutions Lab

Amazon ML Solutions Lab соединяет вашу команду с экспертами по машинному обучению компании Amazon. Программа включает практические учебные семинары с элементами мозгового штурма и профессиональные консультативные услуги, которые помогут выполнить разбор бизнес‑задач в обратном направлении, а затем шаг за шагом пройти весь процесс развертывания модели в рабочей среде. Впоследствии участники получают возможность использовать полученные знания в своей организации для реализации дополнительных возможностей.

Подробнее »