Amazon SageMaker Unified Studio (เวอร์ชันทดลองใช้)
เข้าถึงข้อมูลและเครื่องมือทั้งหมดของคุณสำหรับการวิเคราะห์และ AI ในสภาพแวดล้อมเดียวที่สร้างขึ้นโดยใช้ Amazon DataZone
ประสบการณ์แบบผสานรวมสำหรับข้อมูลและ AI ทั้งหมด
ค้นพบข้อมูลและนำไปใช้งานโดยใช้เครื่องมือ AWS ที่คุ้นเคยสำหรับเวิร์กโฟลว์การพัฒนาที่สมบูรณ์ รวมถึงการพัฒนาโมเดล การพัฒนาแอป AI ช่วยสร้าง การประมวลผลข้อมูล และการวิเคราะห์ SQL ในสภาพแวดล้อมที่มีการกำกับดูแลเดียว สร้างหรือเข้าร่วมโปรเจกต์เพื่อทำงานร่วมกับทีม แชร์อาร์ทิแฟกต์ AI และการวิเคราะห์อย่างปลอดภัย ตลอดจนเข้าถึงข้อมูลที่จัดเก็บไว้ใน Amazon Simple Storage Service (Amazon S3), Amazon Redshift และแหล่งที่มาของข้อมูลอื่น ๆ ผ่าน Amazon SageMaker Lakehouse ให้เปลี่ยนวิธีการทำงานของทีมข้อมูลร่วมกับ Amazon SageMaker Unified Studio เมื่อกรณีการใช้งานของ AI และการวิเคราะห์ผสานรวมเข้าด้วยกัน

ใช้เครื่องมือที่ดีที่สุดในระดับเดียวกัน ไม่ว่าจะทำงานใดก็ตาม
เพิ่มประสิทธิภาพการเข้าถึงเครื่องมือและฟังก์ชันการทำงานที่คุ้นเคยจากบริการวิเคราะห์ AWS รวมถึงบริการด้านปัญญาประดิษฐ์และแมชชีนเลิร์นนิง (AI/ML) ที่สร้างขึ้นโดยเฉพาะ เช่น Amazon EMR, AWS Glue, Amazon Athena, Amazon Redshift, Amazon Bedrock และ Amazon SageMaker AI สร้างไปป์ไลน์ข้อมูลแบบผสานรวมด้วย Visual ETL และทำงานได้อย่างราบรื่นในทรัพยากรการประมวลผลและคลัสเตอร์ต่าง ๆ โดยใช้โน้ตบุ๊กแบบครบวงจร ใช้ตัวแก้ไข SQL ในตัวเพื่อสืบค้นข้อมูลที่จัดเก็บไว้ใน Data Lake, คลังข้อมูล, ฐานข้อมูล และแอปพลิเคชัน

ฝึก ปรับแต่ง และใช้โมเดล AI ในทุกระดับ
พัฒนา ML และโมเดลพื้นฐาน (FM) โดยใช้โครงสร้างพื้นฐาน เครื่องมือ และเวิร์กโฟลว์ที่มีการจัดการอย่างเต็มรูปแบบของ Amazon SageMaker AI โดย SageMaker AI มีเครื่องมือและโครงสร้างพื้นฐานที่สร้างขึ้นสำหรับวงจรชีวิตของโมเดลในทุกขั้นตอนโดยเฉพาะ ซึ่งมีการจัดเตรียมข้อมูล, การฝึก, การกำกับดูแล, MLop, การอนุมาน, การทดลอง, ไปป์ไลน์ รวมถึงการตรวจสอบและประเมินโมเดล

สร้างแอปพลิเคชัน AI ช่วยสร้างแบบกำหนดเองได้อย่างรวดเร็ว
สร้างแอปพลิเคชัน AI ช่วยสร้างได้อย่างมีประสิทธิภาพในสภาพแวดล้อมที่เชื่อถือได้และปลอดภัยโดยใช้ Amazon Bedrock IDE (เวอร์ชันทดลองใช้) เลือกจาก FM ประสิทธิภาพสูงและความสามารถในการปรับแต่งขั้นสูง เช่น Knowledge Bases, Guardrails, Agents และ Flows ของ Amazon Bedrock ปรับแต่งและใช้แอปพลิเคชัน AI ช่วยสร้างอย่างรวดเร็ว รวมถึงแชร์กับแคตตาล็อกในตัวสำหรับการค้นพบ

เร่งความเร็วของเส้นทางข้อมูลด้วย Amazon Q Developer
ใช้ Amazon Q Developer สำหรับงานต่าง ๆ ตลอดวงจรการพัฒนาของคุณ ซึ่งรวมถึงการค้นพบข้อมูลสำหรับโปรเจกต์ การเพิ่มความร่วมมืออย่างรวดเร็ว และการสร้างโมเดล ML อย่างปลอดภัย แชทกับ Amazon Q Developer เพื่อทำความเข้าใจและนำข้อมูลของคุณไปใช้กับแต่ละโปรเจกต์และกรณีใช้งาน ปรับปรุงการเส้นทางข้อมูลของคุณด้วย Amazon Q เพื่อเขียนโค้ด, สร้าง SQL, ผสานรวมข้อมูล แก้ไขปัญหา และอื่น ๆ อีกมากมาย

ลูกค้าและพาร์ทเนอร์
NatWest Group
“ทีมวิศวกรรมแพลตฟอร์มข้อมูลของเราได้นำเครื่องมือสำหรับผู้ใช้ปลายทางหลายตัวมาใช้ในงานด้านวิศวกรรมข้อมูล ML, SQL และ GenAI ขณะที่เราต้องการลดความซับซ้อนของกระบวนการทั่วทั้งธนาคาร เราก็ได้มองหากาเพิ่มประสิทธิภาพในการยืนยันตัวตนผู้ใช้และการอนุญาตการเข้าถึงข้อมูล Amazon SageMaker Unified Studio มอบประสบการณ์ผู้ใช้สำเร็จรูปเพื่อช่วยให้เราใช้งานในสภาพแวดล้อมเดียวภายในองค์กร ซึ่งช่วยลดเวลาที่ผู้ใช้ข้อมูลของเราใช้ในการเข้าถึงเครื่องมือใหม่ ๆ ได้ประมาณ 50%”
– Zachery Anderson ประธานเจ้าหน้าที่ฝ่ายวิเคราะห์ข้อมูลของ NatWest Group

Trend Micro
“เราต้องการปรับปรุงกระบวนการประเมินข้อมูลเพื่อให้นักวิเคราะห์ข้อมูล นักวิทยาศาสตร์ ML และวิศวกรข้อมูลสามารถทำงานได้อย่างมีประสิทธิภาพ ด้วยความร่วมมือระยะยาวของเรากับ AWS เรารู้สึกตื่นเต้นกับการนำ Amazon SageMaker Unified Studio มาใช้และความสามารถในการลดความซับซ้อนของการเข้าถึงข้อมูลและปรับปรุงการทำงานร่วมกัน”
– Oscar Chang ประธานเจ้าหน้าที่ฝ่ายพัฒนา Trend Micro

Adastra
“เราสร้างแอปพลิเคชันการวิเคราะห์ข้อมูล, ML และ GenAI ที่ซับซ้อน ซึ่งมาพร้อมกับการกำกับดูแลข้อมูลในตัวและอินเทอร์เฟซที่ใช้งานง่าย ก่อนที่จะใช้ Amazon SageMaker Unified Studio การใช้เครื่องมือหลายอย่างสำหรับพนักงานข้อมูลและสารสนเทศของลูกค้าส่วนใหญ่เป็นแบบดำเนินการด้วยตนเองและใช้เวลานาน ตลอดจนการรับประกันการจัดเตรียมสถาปัตยกรรมข้อมูลที่ทรงประสิทธิภาพนั้นเป็นเรื่องยาก ตอนนี้เราสามารถใช้เครื่องมือพนักงานข้อมูลเดียวสำหรับวิศวกรข้อมูลและนักวิทยาศาสตร์ ML ด้วย Amazon SageMaker Unified Studio นอกจากนี้ เรายังสามารถดำเนินการใช้งานโครงสร้างพื้นฐานข้อมูลโดยอัตโนมัติ ซึ่งเปิดโอกาสให้เราสามารถลดความซับซ้อนของกระบวนการให้กับลูกค้าของเราและปรับปรุงประสบการณ์ลูกค้า”
– Zeeshan Saeed ประธานเจ้าหน้าที่ฝ่ายเทคโนโลยีและกลยุทธ์ของ Adastra

NTT DATA
“เมื่อเราสร้างแอปพลิเคชันที่ขับเคลื่อนด้วยข้อมูลให้กับลูกค้า เราต้องการแพลตฟอร์มแบบครบวงจรที่ใช้งานเทคโนโลยีร่วมกันในลักษณะแบบบูรณาการ Amazon SageMaker Unified Studio ปรับปรุงกระบวนการส่งมอบโซลูชันของเราผ่านความสามารถในการวิเคราะห์ที่ครอบคลุม ซึ่งมอบประสบการณ์การใช้งาน Unified Studio พร้อมด้วย Lakehouse ที่ผสานรวมการจัดการข้อมูลในคลังข้อมูลและ Data Lake เราเชื่อว่า Amazon SageMaker Unified Studio จะช่วยลดเวลาในการสร้างมูลค่าให้กับโปรเจกต์ข้อมูลของลูกค้าได้ถึง 40% ซึ่งเข้ามามีส่วนช่วยให้พันธกิจของเราในการเร่งความเร็วในการเปลี่ยนผ่านสู่ระบบดิจิทัลของลูกค้าเรา”
– Akihiro Suzue หัวหน้าฝ่ายโซลูชันของ NTT DATA; Yuji Shono ผู้จัดการอาวุโสประจำฝ่ายเทคโนโลยีแอปและข้อมูลของ NTT DATA; Yuki Saito ผู้จัดการประจำแผนกโซลูชันเพื่อความสำเร็จทางดิจิทัลของ NTT DATA

Salesforce
“เรากำลังรอการเชื่อมต่อที่ราบรื่นระหว่างแหล่งที่มาของข้อมูล Salesforce Data Cloud และ Amazon Web Services (AWS) กับ Amazon SageMaker Unified Studio ซึ่งผสานรวมคลังข้อมูลโค้ดและรองรับ CICD รวมถึงการควบคุมการรักษาความปลอดภัยในสภาพแวดล้อมเดียว นอกจากนี้ เรายังทำงานร่วมกับทีม AWS เพื่อนำเสนอประสบการณ์ของนักพัฒนาที่ราบรื่นอีกด้วย ซึ่งทำให้สามารถปรับแต่ง Data Cloud ที่มีโค้ดสำหรับบุคคลากรที่เป็นนักพัฒนามืออาชีพ เช่น วิศวกรข้อมูลและนักวิทยาศาสตร์ข้อมูล”
– Rohit Dar ผู้อำนวยการอาวุโสฝ่ายจัดการผลิตภัณฑ์ของ Salesforce
