張貼日期: Nov 28, 2018
Amazon Sagemaker 現在支援部署推論管道，因此您可傳遞原始輸入資料，並執行即時預先處理、預測和後續處理，以及批次推論請求。SageMaker 也支援兩種新的機器學習架構：Scikit-learn 和 Spark ML。這使您能在 Amazon SageMaker 新的 SparkML 和 Scikit-learn 架構容器中，利用所提供的功能轉換程式套件利用輕鬆建立和部署功能預先處理管道。這些新的功能也能讓您編寫一次 SparkML 和 Scikit-learn 程式碼，並且再將其利用於訓練和推論，提供預先處理步驟的一致性，並且讓您更容易管理機器學習程序。
訓練機器學習模型前通常要花很多時間清理和準備資料。推論期間也需要套用同樣步驟。之前，推論請求的輸入資料必須在傳送到 Amazon SageMaker 預測前，在用戶應用程式中執行資料處理和功能工程步驟，或是將資料處理和功能工程步驟納入推論容器中。有了新的推論管道，您可打包並輸出用於訓練的預先處理和後續處理步驟，並且將他們部署為推論管道的一部分。部署管道可包含任何機器學習架構、內建演算法或可在 Amazon SageMaker 上使用的自訂容器。
提供 Amazon SageMaker 的所有 AWS 區域現在都已正式推出這些增強功能。有關其他資訊資訊，請造訪文件。