Amazon SageMaker

Her geliştirici ve veri bilimcisi için makine öğrenimi.

Amazon SageMaker, her geliştiriciye ve veri bilimcisine makine öğrenimi modellerini hızla geliştirme, eğitme ve dağıtma kabiliyeti sunar. Amazon SageMaker; verilerinizi etiketleme ve hazırlama, algoritma seçme, modeli eğitme, dağıtım için ayarlayıp optimize etme, tahmin yapma ve harekete geçme dahil olmak üzere makine öğrenimi iş akışının tümünü kapsayan, tam olarak yönetilen bir hizmettir. Modelleriniz, üretim ortamına çok daha az çalışmayla ve düşük maliyetle daha hızlı bir şekilde ulaşır.

OLUŞTURMA

Eğitim verilerini toplama ve hazırlama

Veri etiketleme ve sık karşılaşılan sorunlar için önceden oluşturulmuş not defterleri

ML algoritmanızı seçme ve optimize etme

Model ve algoritma marketinin yanı sıra yerleşik, yüksek performanslı algoritmalar

EĞİTME

Eğitime yönelik ortamları kurma ve yönetme

En yüksek performanslı altyapıda tek tıklamayla eğitim

Model eğitme ve ayarlama

Bir defa eğitip her yerde çalıştırma ve model optimizasyonu

DAĞITMA

Modeli üretim ortamında dağıtma

Tek tıklamayla dağıtım

Üretim ortamını ölçeklendirme ve yönetme

Tam olarak yönetilen, %75 veya daha düşük düzeyde otomatik ölçeklendirme


Öne çıkan müşteriler

State Farm
Intuit
Siemens
NFL
Expedia
Liberty Mutual
Formula 1
Coinbase
Roche
Convoy
Korean Air
Change Healthcare

Eğitim verilerini toplama ve hazırlama

Eğitim verilerini hızla etiketleme

Amazon SageMaker Ground Truth, yüksek doğruluk oranına sahip eğitim verisi kümelerini hızla oluşturmanıza ve yönetmenize yardımcı olur. Ground Truth, şirketinizde çalışan veya dışarıdan destek aldığınız etiketleme sorumlularına kolay erişim sağlamasının yanı sıra yaygın etiketleme görevleri için yerleşik iş akışları ve arabirimler sunar. Ground Truth, aynı zamanda insanların hazırladığı etiketleri öğrenip yüksek kaliteli, otomatik açıklamalar oluşturarak etiketleme maliyetlerini ciddi anlamda düşürür.

Daha fazla bilgi edinin »
70-percent-reduction
ground-truth

Barındırılan not defterleri

Verilerinizi keşfedip görselleştirmek ve modelinizi geliştirmek için bulutta veya yerel makinenizde kullanabileceğiniz tam olarak yönetilen Jupyter not defterleri. İsterseniz sıfırdan başlayabilir, isterseniz önceden oluşturulmuş onlarca not defterini hazır haliyle kullanabilir veya eğitim verilerinizi hızlı bir şekilde keşfedip görselleştirmeyi kolaylaştırmak için not defterlerini ihtiyaçlarınıza uygun olarak değiştirebilirsiniz. Öneriler ve kişiselleştirme, dolandırıcılık algılama, tahmin, görüntü sınıflandırma, müşteri kaybı tahmini, müşteri hedefleme, günlük işleme, anomali algılama ve konuşmayı metne dönüştürme gibi sık karşılaşılan birçok sorun için çözümler bulunmaktadır.

 

Daha fazla bilgi edinin »
jupyter-logo-white
hosted-notebooks

Makine öğrenimi algoritmanızı seçme ve optimize etme

Amazon SageMaker; TensorFlow, Apache MXNet, PyTorch, Chainer, Scikit-learn, SparkML, Horovod, Keras ve Gluon’u otomatik olarak yapılandırır ve optimize eder. Sık kullanılan makine öğrenimi algoritmaları yerleşik olarak bulunur ve ölçek, hız ve doğruluk açısından ayarlanır. Buna ek olarak, AWS Marketplace içinde 200’den fazla önceden eğitilmiş model ve algoritma bulunmaktadır. Ayrıca istediğiniz başka bir algoritmayı ve framework’ü, bir Docker container’ının içinde oluşturarak içeri aktarabilirsiniz.

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

Eğitim ortamlarını kurma ve yönetme

Tek tıklamayla eğitim

Modelinizi tek bir tıklamayla eğitmeye başlayın. Amazon SageMaker, ölçeğin petabayt boyutundaki veri kümeleriyle başa çıkabilecek şekilde kolayca büyütülmesi için gereken temel altyapıyı sağlar.

 

Bulutta en hızlı dağıtılan makine öğrenimi.

Amazon EC2 P3 bulut sunucuları, 8 adet NVIDIA Tesla GPU sağlar.

 

AVX-512 yönergelerine sahip 64 adet ölçeklendi̇ri̇lebi̇li̇r Intel Xeon Skylake vCPU

25 Gb/sn. ağ aktarım hızı

GPU başına 16 GB bellek

 

TensorFlow çalıştırmak için en uygun ortam

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.

Tam olarak yönetilen eğitim ve barındırma

Yüzlerce GPU üzerinde neredeyse doğrudan ölçeklendi̇rme

%75 daha düşük çıkarım maliyeti

 

STANDART TENSORFLOW
65p
AWS OPTİMİZASYONLU TENSORFLOW
90p

256 GPU ile Ölçeklendirme Verimliliği

Modelinizi ayarlama ve optimize etme

Modelinizi otomatik olarak ayarlama

Otomatik Model Ayarlama, modelinizi olabildiğince doğru olacak şekilde ayarlamak için makine öğreniminden yararlanır. Bu özellik, modelinizin parametrelerini manuel olarak ayarlayarak geçirdiğiniz uğraştırıcı deneme-yanılma sürecinden kurtulmanızı sağlar. Bunun yerine, çok sayıda eğitim seansı çalıştıran Otomatik Model Ayarlama, verilerinizdeki ilginç özellikleri keşfederek ve bu özelliklerin etkileşimlerinin doğruluk oranına olan etkisini öğrenerek hiper parametre optimizasyonu yapar. Eğitilmiş modelinizin kalitesini en üst düzeye çıkarmak için harcayacağınız günlerce, hatta haftalarca zamandan tasarruf edebilirsiniz.

Bir defa eğitip her yerde çalıştırma

Amazon SageMaker Neo, modelinizi bir defa eğitip istediğiniz yere dağıtmanıza olanak tanır. Makine öğrenimini kullanan SageMaker Neo, popüler bir framework ile geliştirilen her türlü eğitilmiş modeli, doğruluk oranında en küçük bir kayıp olmadan, belirttiğiniz donanım platformu için optimize eder. Ardından, modelinizi EC2 bulut sunucularına, SageMaker bulut sunucularına veya AWS Greengrass cihazları dahil olmak üzere Neo çalışma zamanını içeren, uçtaki herhangi bir cihaza dağıtabilirsiniz.

Daha fazla bilgi edinin »

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

Üretim ortamında model dağıtma ve yönetme

Üretim ortamına tek tıkla dağıtma

Amazon SageMaker, eğitilmiş modelinizi üretim ortamında tek tıkla kolayca dağıtarak gerçek zamanlı verilerle veya toplu verilerle tahmin oluşturmaya başlamanızı (çıkarsama süreci) kolaylaştırır. Modeliniz, hem yüksek performans hem de yüksek oranda erişilebilirlik sağlamak üzere birden fazla erişilebilirlik alanına dağıtılmış olan ve otomatik olarak ölçeklendirilen Amazon SageMaker makine öğrenimi bulut sunucuları üzerinde çalışır. Amazon SageMaker, aynı zamanda en iyi sonuçlara ulaşma amacıyla modelinizi test etmenize ve farklı sürümlerle deneme yapmanıza yardımcı olacak yerleşik A/B test özelliklerine de sahiptir.

Uçta model çalıştırma

AWS Greengrass, Amazon SageMaker ile eğitilen modellerin, çıkarsama yapma amacıyla uç cihazlarına dağıtılmasını kolaylaştırır. AWS Greengrass sayesinde bağlı cihazlar internete bağlı olmadığında bile AWS Lambda işlevleri çalıştırabilir, cihaz verilerini eşitlenmiş halde tutabilir ve diğer cihazlarla güvenli bir şekilde iletişim kurabilir.

pull-75p

Amazon SageMaker bulut sunucularınıza esnek GPU hızlandırması eklemek için Amazon Elastic Inference hizmetini kullanarak derin öğrenim çıkarsama maliyetlerinizi %75’e kadar azaltın. Birçok modelde, tam GPU bulut sunucusu, çıkarsama için gereğinden büyük kalır. Ayrıca, tek bir bulut sunucusu tipiyle derin öğrenim uygulamanızın GPU, CPU ve bellek ihtiyaçlarını optimize etmeniz son derece zor olabilir. Elastic Inference, uygulamanızın ihtiyaçlarına genel olarak en uygun bulut sunucusu tipini seçmenize ve sonrasında çıkarsama için gerekli miktarda GPU hızlandırmasını ayrı olarak yapılandırmanıza olanak tanır.

Daha fazla bilgi edinin »

img-TFLOPS

DESTEKLENEN PLATFORMLAR

logo-tesnorflow
logo-mxnet

Müşteri başarı öyküleri

Tam olarak yönetilen, pekiştirmeli öğrenim ile geleceğin teknolojilerini geliştirin

small-RL-icon

Pekiştirmeli öğrenimi (RL) kullanarak, önceden etiketlenmiş eğitim verilerine ihtiyaç duymadan belirli sonuçları elde edebilecek sofistike modeller geliştirin. RL, öğrenirken kaynak olarak kullanılabilecek tek bir “doğru” cevabın olmadığı, ancak otomobil kullanmayı öğrenmek veya olumlu finansal alım-satım işlemleri yapmak gibi optimum bir sonucun bulunduğu durumlarda faydalıdır. RL algoritmaları, geçmiş verilere bakmaktansa, modelin ödül ve cezalarla istenen davranışa yöneltildiği bir simülatörde eylem gerçekleştirerek öğrenir.

Amazon SageMaker RL; tam olarak yönetilen, yerleşik RL algoritmaları içerir. SageMaker, hem TensorFlow ve MXNet gibi birden fazla framework’te RL’yi hem de Intel Coach ve Ray RLlib gibi en başından itibaren pekiştirmeli öğrenim için tasarlanıp özel olarak geliştirilmiş framework’leri destekler.

Amazon SageMaker RL ayrıca, tam 2B ve 3B fizik ortamları dahil olmak üzere birden çok RL ortamını, MATLAB ile Simulink gibi ticari simülasyon ortamlarını ve özel geliştirilen ortamlar dahil olmak üzere açık kaynak kodlu OpenAI Gym arabirimini destekleyen her türlü ortamı destekler. SageMaker RL, aynı zamanda Amazon Sumerian ve AWS RoboMaker hizmetlerinde yerleşik olarak bulunan sanal 3B ortamlarını kullanarak eğitim yapmanıza olanak tanır. Bu sayede, reklamcılıktan finansal sistemlere, endüstriyel denetimlere, robotik uygulamalarına ve sürücüsüz araçlara kadar her şeyi modelleyebilirsiniz.

Açık ve esnek

Tarzınıza uyan makine öğrenimi

Makine öğrenimi teknolojisi hızla ilerlemektedir. Böyle bir ortamda, geniş bir framework ve araç yelpazesine erişerek esnek davranabilmeniz gerekir. Amazon SageMaker sayesinde yerleşik container’ları popüler herhangi bir framework için kullanabilir veya kendi tercih ettiğiniz framework’ü sürece dahil edebilirsiniz. İki durumda da Amazon SageMaker, modellerinizi geliştirmek, eğitmek ve dağıtmak için gereken temel altyapıyı tam olarak yönetir.

Daha yüksek uç performansı

Açık kaynak kodlu Neo projesi aracılığıyla SageMaker Neo’nun özellikleri de tüm geliştiricilere sunulmaktadır. Herkesin dilediği yerde model çalıştırmasına olanak tanımanın, makine öğreniminin tam potansiyeline ulaşmasında gerekli bir adım olduğuna inanıyoruz. Donanım satıcıları, açık kaynak kodlu çalışmalara katkıda bulunarak Neo’yu yeni optimizasyonlarla iyileştirebilir ve makine öğreniminin genel donanım ekosistemini daha ileri taşıyabilir.

SageMaker, iş akışınıza uyum sağlar

Amazon SageMaker’ın altyapısı; Ground Truth, Notebooks, Training, Neo ve Hosting olmak üzere farklı bileşenlerden oluşur. Bu bileşenler, birlikte çalışarak uçtan uca bir makine öğrenimi hizmeti sağlamak üzere tasarlanmıştır. Bununla birlikte, mevcut makine öğrenimi iş akışlarına katkıda bulunmak veya veri merkezinizde ya da uçta çalışan modelleri desteklemek üzere bağımsız olarak da kullanılabilirler.

Öğrenme ve hızlandırma

ImgHead_Silverstone_TEST_Car_3

AWS DeepRacer

Sürücüsüz araçlar aracılığıyla pekiştirmeli öğrenim hakkında bilgi edinmek için ihtiyaç duyduğunuz her şeyi içeren, 1/18 ölçeğinde, tamamen sürücüsüz bir yarış aracı.

Daha fazla bilgi edinin »

AWS DeepLens

Yazılım geliştiriciler için dünyanın ilk derin öğrenim özellikli video kamerası sayesinde, hem projeler ve öğreticiler üzerinden hem de gerçek dünyada uygulamalı bir şekilde keşfederek bilgisayarlı görme teknolojisini öğrenin.

Daha fazla bilgi edinin »

AWS Machine Learning Eğitimi ve Sertifikaları

AWS Machine Learning Üniversitesi. Temel bilgilerin ve gerçek dünya uygulamalarının bir araya gelmesiyle oluşturulan ve Amazon geliştiricilerine yönelik eğitimlerdeki materyallerle hazırlanan, yapılandırılmış makine öğrenimi kursları.

Daha fazla bilgi edinin »

Amazon ML Çözümleri Lab'ı

Amazon ML Solutions Lab, ekibinizi Amazon’un makine öğrenimi uzmanlarıyla buluşturur. İşletmenizin karşılaştığı zorlukları geriye dönük olarak çözme ve ardından bir modeli adım adım üretim ortamına taşıma sürecinde size yardımcı olmak için, uygulamalı eğitim atölyelerini, beyin fırtınası oturumları ve profesyonel danışmanlık hizmetleri ile birleştirir. Sonrasında, öğrendiklerinizi kurumunuzun başka yerlerinde kullanarak başka fırsatların peşinden gidebilirsiniz.

Daha fazla bilgi edinin »