Начало работы

Amazon SageMaker – это полностью управляемый модульный сервис, который помогает разработчикам и специалистам по обработке данных создавать, обучать и развертывать модели машинного обучения в любом масштабе. Начните работу с ресурсами для разработчиков, которые позволят быстро перейти от создания концепции к работе.

Знакомство с Amazon SageMaker

Узнайте о модулях для создания, обучения и развертывания моделей машинного обучения в Amazon SageMaker.

Amazon SageMaker (1:03)

РУКОВОДСТВО ДЛЯ РАЗРАБОТЧИКОВ


Следуйте этому пошаговому руководству, чтобы начать пользоваться Amazon SageMaker за несколько минут.

УЧЕБНОЕ ПОСОБИЕ


Узнайте, как начать работу с Amazon SageMaker за 10 минут.

УЧЕБНЫЙ КУРС


В рамках этого учебного курса вы узнаете, как упростить интеграцию машинного обучения в приложения с помощью Amazon SageMaker. Основные темы: обзор машинного обучения и проблем, которые можно решить с его помощью, использование Jupyter Notebook для обучения модели на базе встроенных алгоритмов Amazon SageMaker и использование Amazon SageMaker для публикации проверенной модели. Пройдя этот курс, вы создадите бессерверное приложение, которое будет интегрироваться с опубликованным адресом Amazon SageMaker.

УЧЕБНЫЙ КУРС


Из этого учебного курса вы узнаете о внедрении конвейера машинного обучения с помощью Amazon SageMaker и Amazon SageMaker Ground Truth. Сначала вы создадите помеченный набор данных, затем определите задание, по которому будет обучаться ваша модель обнаружения объектов, и, наконец, обратитесь к Amazon SageMaker для создания модели и ее дальнейшего обновления.

Создание моделей машинного обучения

Используйте модуль Build сервиса SageMaker, чтобы собрать и подготовить обучающие данные, а также получить доступ к встроенным блокнотам и высокопроизводительным алгоритмам.

РУКОВОДСТВО ДЛЯ РАЗРАБОТЧИКОВ


Научитесь создавать модели машинного обучения с помощью инструкций и ресурсов, которые приведены в этом руководстве.

ВИДЕО


Из этого видео вы узнаете о полностью управляемых инстансах блокнотов в Amazon SageMaker.

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

БЛОГ


Прочтите эту публикацию в блоге и узнайте, как использовать стандартные рабочие процессы с инстансами блокнотов Amazon SageMaker.

ПРАКТИКУМ


Получите доступ к репозиторию разнообразных блокнотов SageMaker на GitHub.

ПРАКТИКУМ


Используйте возможности встроенных алгоритмов Amazon SageMaker, которые работают быстрее и обходятся экономичнее популярных аналогов.

ВИДЕО


Из этого видео вы узнаете о высокопроизводительных алгоритмах, встроенных в сервис Amazon SageMaker.

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

Обучение и тонкая настройка моделей машинного обучения

Используйте модуль Train, чтобы создавать обучающие среды одним щелчком мыши и оптимизировать созданные модели с помощью автоматической настройки

РУКОВОДСТВО ДЛЯ РАЗРАБОТЧИКОВ


Прочитайте этот обзор, посвященный обучению моделей машинного обучения с помощью Amazon SageMaker.

ВИДЕО


Из этого видео вы узнаете, как обучать и настраивать модели машинного обучения с помощью Amazon SageMaker для достижения максимальной точности.

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

БЛОГ


Определяйте модели машинного обучения, которые наилучшим образом подходят для вашего примера использования, и быстрее запускайте их в работу. Отслеживайте, ищите, фильтруйте и сортируйте модели машинного обучения по тренировочным прогонам с помощью инструкций в этом блоге. Теперь с помощью Amazon SageMaker вы можете определить, какая из моделей обучения лучше всего показала себя в ходе испытаний. Это можно сделать с помощью ключевых атрибутов моделей, среди которых значения гиперпараметров и метрики точности.

ПРАКТИКУМ


Испытайте эти примеры настройки гиперпараметров на различных алгоритмах и платформах глубокого обучения.

БЛОГ


Узнайте об автоматической настройке значений гиперпараметров для алгоритма, который лежит в основе вашей модели машинного обучения, чтобы получать прогнозы с максимальной точностью.

ВЕБИНАР


С помощью этого вебинара Tech Talk по требованию вы освоите обучение моделей машинного обучения на основе TensorFlow. Изучите возможности уникального сочетания TensorFlow и Amazon SageMaker для ускоренного обучения моделей машинного обучения и их запуска в рабочей среде.

Развертывание моделей машинного обучения

Используйте модуль Deploy для развертывания моделей машинного обучения в рабочей среде одним щелчком мыши.

РУКОВОДСТВО ДЛЯ РАЗРАБОТЧИКОВ


Это пошаговое руководство научит вас развертывать модели машинного обучения на самой производительной инфраструктуре.

ВИДЕО


Из этого видео вы узнаете, как развертывать собственные модели машинного обучения в рабочей среде на самой масштабируемой инфраструктуре.

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

ПРАКТИКУМ


Следуйте размещенным на портале GitHub примерам, которые помогут автоматизировать создание, обучение и развертывание пользовательских моделей машинного обучения с помощью Amazon SageMaker и AWS Step Functions.

БЛОГ


Научитесь использовать возможности Amazon SageMaker (включая A/B‑тестирование и автомасштабирование), которые обеспечивают высокую производительность и доступность созданных моделей машинного обучения.

ВЕБИНАР


Из этого вебинара Tech Talk по требованию вы узнаете о жизненном цикле машинного обучения, изучите рекомендации по использованию Amazon SageMaker в компании и его интеграции с другими сервисами AWS.

БЛОГ


Из этой публикации в блоге вы узнаете, как создавать, обучать и развертывать быстрые модели искусственного интеллекта в Amazon SageMaker, обучая и размещая их с помощью пакета Amazon SageMaker Python SDK и базового образа PyTorch. Вам не потребуется тратить время на создание собственного контейнера.

Дополнительные ресурсы

Пакеты SDK

Используйте API, разработанные специально для вашего языка программирования или платформы, чтобы упростить применение Amazon SageMaker в приложениях.

Новые возможности

Анонсы новых возможностей – это краткие обзоры новых запусков и обновлений функций. Ознакомьтесь с информацией об обновлениях Amazon SageMaker и другими новостями AWS.

Читать »

Публикации по данной теме не найдены. Прочие ресурсы см. в блоге AWS

Подробнее о возможностях Amazon SageMaker

Перейти на страницу с описанием возможностей
Есть вопросы?
Свяжитесь с нами