Amazon SageMaker Studio, ML geliştirme sürecindeki tüm adımları tamamlayabileceğiniz tek bir web tabanlı görsel arayüz sunar. SageMaker Studio; model oluşturma, eğitme ve dağıtma adımları için tam kapsamlı erişim, denetim ve görünürlük sunar. Hızlı bir şekilde veri yükleyebilir, yeni not defterleri oluşturabilir, modelleri eğitip ayarlayabilir, adımlar arasında geçiş yaparak denemeleri düzenleyebilir, sonuçları karşılaştırabilir ve modelleri üretim aşamasına dağıtabilirsiniz. Tüm bunları tek bir yerden yaparak üretkenliğinizi çok daha üst seviyelere çıkarabilirsiniz. Not defterleri, deneme yönetimi, otomatik model oluşturma, hata ayıklama ve model sapma algılama gibi tüm ML geliştirme işlemleri birleşik SageMaker Studio görsel arayüzünden gerçekleştirebilirsiniz.

Bir not defteri görüntüleme, çalıştırma veya paylaşma amacıyla kullanılan işlem bulut sunucularını yönetmek uğraştırıcı bir işlemdir. Amazon SageMaker Not Defterleri, tek tıkla hızlıca başlatılabilen Jupyter not defterleridir. Temeldeki işlem kaynakları tamamen esnek olduğundan erişilebilir kaynakları kolayca artırıp azaltabilirsiniz. Buna bağlı değişiklikler arka planda otomatik olarak gerçekleştirilir ve çalışmalarınızda kesinti yaşanmaz. SageMaker ayrıca not defterlerinin tek tıkla paylaşılmasını da sağlar. Başkalarıyla kolayca not defterleri paylaşabilirsiniz, onlar da aynı yere kaydedilmiş olan aynı not defterine erişim sağlayacaklardır.

SageMaker'daki farklı kullanım amaçlarına yönelik tasarlanmış olan düzinelerce hazır not defteri arasından seçim yapabilirsiniz. Dilerseniz AWS Marketplace'teki yüzlerce algoritmadan ve önceden eğitilmiş modellerden faydalanarak hızlı bir başlangıç yapabilirsiniz.

Amazon SageMaker Autopilot, ML modelleriniz üzerinde tam denetim ve görünürlük sunan sektördeki ilk otomatik makine öğrenimi hizmetidir. Geleneksel otomatikleştirilmiş makine öğrenimi yaklaşımlarında modeli oluşturma sırasında kullanılan öngörüler veya model oluşturulurken kullanılan mantıksal öğeler paylaşılmaz. Sonuç olarak orta düzey bir model elde etseniz dahi onu geliştirme şansınız yoktur. Ayrıca geleneksel otomatik ML çözümleri yalnızca bir model seçeneği sunduğundan daha düşük gecikmeli tahminler için doğruluktan fedakarlık yapma gibi esnek seçenekler mevcut değildir.

SageMaker Autopilot ham verileri otomatik olarak inceler, özellik işlemcilerini uygular, en iyi algoritma kümesini seçer, birden fazla modeli eğitip ayarlar, performanslarını izler ve ardından modelleri performanslarına göre sıralar. Üstelik tüm bu işlemleri birkaç tıkla gerçekleştirir. Sonuçta modeli eğitmek için harcanması gereken zamanın çok ufak bir bölümünde dağıtabileceğiniz en iyi performanslı modeli elde etmiş olursunuz. Modelin oluşturulma süreci ve içindekilerle ilgili tam görünürlük elde edersiniz. Ayrıca SageMaker Autopilot, Amazon SageMaker Studio ile entegre bir şekilde çalışır. SageMaker Studio'nun içinden SageMaker Autopilot tarafından oluşturulmuş olan 50 farklı modeli keşfedebilir ve bu sayede kullanım amacınıza en uygun olan modeli kolayca seçebilirsiniz. Makine öğrenimi alanında deneyim sahibi olmayan kişiler de SageMaker Autopilot'ı kullanarak kolayca bir model oluşturabilir. Deneyimli geliştiriciler ise bu hizmet sayesinde ekiplerin ilerletebileceği temel bir modeli kolayca geliştirebilir.

Daha fazla bilgi edinin »

Başarılı makine öğrenimi modelleri, yüksek hacimli ve yüksek kaliteli eğitim verileriyle oluşturulur. Ancak bu modelleri oluşturmak için gerekli olan eğitim verilerini toplama süreci genellikle yüksek maliyetlidir, karmaşıktır ve çok zaman alır. Amazon SageMaker Ground Truth, yüksek doğruluk oranına sahip eğitim verisi kümelerini hızla oluşturmanıza ve yönetmenize yardımcı olur. Ground Truth, etiketleme sorumlularına Amazon Mechanical Turk üzerinden kolay erişim sağlamasının yanı sıra yaygın etiketleme görevleri için yerleşik iş akışları ve arayüzler sunar. Dilerseniz kendi etiketleme sorumlularınızı kullanabilir veya AWS Marketplace'teki Amazon tarafından önerilen satıcıları tercih edebilirsiniz. Ground Truth, aynı zamanda insanların hazırladığı etiketleri sürekli olarak öğrenip yüksek kaliteli, otomatik açıklamalar oluşturarak etiketleme maliyetlerini ciddi anlamda düşürür.

Daha fazla bilgi edinin »

Amazon SageMaker Experiments, makine öğrenimi modeli yinelemelerini organize etmenize ve izlemenize yardımcı olur. Bir ML modelini eğitmek için genellikle değişen veri kümelerinin, algoritma sürümlerinin ve model parametrelerinin etkisini yalıtma ve ölçme amacıyla birçok yineleme yapılması gerekir. Bu yinelemeler sırasında modeller, eğitim verileri, platform yapılandırmaları, parametre ayarları ve eğitim ölçümleri gibi yüzlerce yapıt oluşturursunuz. Bu denemeleri izlemek için genellikle çalışma sayfaları gibi verimsiz mekanizmalar kullanılır.

SageMaker Experiments; giriş parametrelerini, yapılandırmaları ve sonuçları otomatik olarak yakalayıp "denemeler" halinde depolayarak yinelemeleri yönetmenize yardımcı olur. SageMaker Studio'nun görsel arayüzünde etkin denemelere göz atabilir, özelliklerine göre eski denemelerde arama yapabilir, eski denemeleri ve sonuçlarını gözden geçirebilir ve deneme sonuçlarını görsel olarak karşılaştırabilirsiniz.

ML eğitim süreci çoğunlukla şeffaf bir süreç değildir ve bir modeli eğitmek için gereken süre hem uzun hem de optimize etmesi zor olabilir. Sonuç olarak modelleri yorumlamak ve açıklamak genellikle zordur. Amazon SageMaker Debugger, model doğruluğunu artırmanıza yardımcı olmak için eğitim ve doğrulama, karışıklık matrisleri ve öğrenme değişimleri gibi gerçek zamanlı eğitim ölçümlerini otomatik olarak yakalayarak eğitim sürecini daha şeffaf hale getirir.

SageMaker Debugger ölçümleri SageMaker Studio'da görselleştirilerek daha kolay anlaşılır duruma getirilebilir. SageMaker Debugger ayrıca sık karşılaşılan eğitim sorunları ortaya çıktığında uyarılar oluşturup çözüm önerileri sunabilir. SageMaker Debugger ile modelin nasıl çalıştığını yorumlayabilir, modelin daha açıklanabilir olmasını sağlayabilirsiniz.

AWS TensorFlow optimizasyonları, çok daha kısa sürede daha doğru ve daha sofistike modeller eğitmenin getireceği işlem yükünden çok daha az bir yükle, yüzlerce GPU'nun bulut ölçeğinde çalışması için neredeyse doğrudan ölçeklendirme verimliliği sağlar.

Amazon SageMaker ile sunulan Managed Spot Training, eğitim maliyetlerinizi %90'a varan oranlarda azaltmanıza yardımcı olur. Bu özellik, yedek AWS işlem kapasitesi olan Amazon EC2 Spot bulut sunucularını kullanır. Eğitim işleri, işlem kapasitesi erişilebilir duruma geldiğinde otomatik olarak çalıştırılır ve kapasite değişimlerinden kaynaklanan kesintilere karşı dayanıklı hale getirilerek eğitim işlerini çalıştırırken maliyet tasarrufu yapmanıza ve esneklik elde etmenize olanak tanır.