Начало работы

Amazon SageMaker – это полностью управляемый модульный сервис, который позволяет разработчикам и специалистам по обработке данных создавать, обучать и развертывать модели машинного обучения в любом масштабе. Начните работу с этими ресурсами для разработчиков, которые позволят быстро пройти путь от идеи до запуска модели в рабочей среде.

Introduction to Amazon SageMaker

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

Amazon SageMaker (1:03)

РУКОВОДСТВО ДЛЯ РАЗРАБОТЧИКОВ


Следуйте этому пошаговому руководству для быстрого начала работы с Amazon SageMaker.

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 для сбора и подготовки обучающих данных, а также получения доступа 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


В этом видео подробно описаны полностью управляемые инстансы блокнотов в Amazon SageMaker.

Познакомьтесь поближе с полностью управляемыми инстансами блокнотов (16:44)

БЛОГ


Ознакомьтесь с этим блогом и узнайте, как использовать стандартные рабочие процессы с инстансами блокнотов Amazon SageMaker.

ПРАКТИЧЕСКИЙ СЕМИНАР


Получите доступ к репозиторию разнообразных блокнотов SageMaker на GitHub.

ПРАКТИЧЕСКИЙ СЕМИНАР


Используйте возможности встроенных алгоритмов Amazon SageMaker, которые быстрее и дешевле популярных аналогов.

ВИДЕО


В этом видео описаны высокопроизводительные алгоритмы, которые встроены в сервис Amazon SageMaker.

Использование встроенных алгоритмов машинного обучения с высокой прозводительностью (15:37)

Обучение и тонкая настройка моделей машинного обучения

Используйте модуль Train для создания обучающих сред за один щелчок мышью и оптимизации созданных моделей с помощью автоматической настройки

РУКОВОДСТВО ДЛЯ РАЗРАБОТЧИКОВ


Прочитайте этот обзор, посвященный обучению ML‑моделей 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.

ПРАКТИЧЕСКИЙ СЕМИНАР


Испытайте эти примеры настройки гиперпараметров с использованием различных алгоритмов и платформ глубокого обучения.

БЛОГ


Узнайте, как автоматически настраивать значения гиперпараметров алгоритма созданной модели для получения максимально точных прогнозов.

ВЕБИНАР


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

Развертывание моделей машинного обучения

Используйте модуль Deploy для развертывания моделей машинного обучения в рабочей среде за один щелчок мышью.

РУКОВОДСТВО ДЛЯ РАЗРАБОТЧИКОВ


Следуйте этому пошаговому руководству для развертывания моделей 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)

ПРАКТИЧЕСКИЙ СЕМИНАР


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

БЛОГ


Научитесь использовать возможности Amazon SageMaker (включая A/B‑тестирование и возможность автомасштабирования Auto Scaling), 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, специально разработанные для вашего языка программирования или платформы, для удобного применения Amazon SageMaker в приложениях.

Новые возможности

Анонсы новых возможностей – это краткие обзоры новых запусков и обновлений функций. Прочтите об обновлениях Amazon SageMaker и других новостях 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