Amazon SageMaker

適用於每個資料科學家和開發人員的機器學習

Amazon SageMaker Studio

Amazon SageMaker 透過整合專門為 ML 建置的一組廣泛的功能,協助資料科學家和開發人員快速準備、建置、培訓和部署高品質的機器學習 (ML) 模型。

最全面的 ML 服務

運用專門為 ML 開發過程的每個步驟精心打造的工具來加速創新,這些工具包含標記、資料準備、功能工程、統計偏差偵測、自動 ML、培訓、調整、託管、解釋性、監控和工作流程。

機器學習工作流程
適用於 ML 的 IDE

第一款適用於 ML 的整合式開發環境 (IDE)

運用 Amazon SageMaker Studio 來加速您的生產力-Amazon SageMaker Studio 是第一款適用於 ML 的完全整合式開發環境,能夠在單一、統整式的視覺使用者介面下提供您 ML 所需的一切。

整合式功能

全新設計的功能,讓合作更加順暢

運用 Amazon SageMaker 特別為 ML 開發所設計的整合式功能,讓您省去數個月編寫自訂整合程式碼的時間,進而降低可觀的成本。

運作方式

  • 概觀
  • 詳細資訊

AWS 有史以來成長最快速的服務之一

Amazon SageMaker 是根據 Amazon 長達 20 年開發真實世界機器學習應用程式的經驗精心打造而成,包含產品推薦、個人化、智慧採購、機器人和語音輔助裝置。

10x

團隊生產力的提升

90%

成本降低 (透過受管 Spot 培訓)

75%

更低的推斷成本

54%

更低的總體擁有成本

70%

資料標記成本降低

198

項自發表以來加入的全新功能

22

項合規計劃 (PCI、HIPAA、SOC 1/2/3、FedRAMP、ISO 等等)

Amazon SageMaker 支援領先的機器學習框架

TensorFlow
PyTorch
mxnet

可用來準備資料以及建置、培訓並部署 ML 模型的主要功能

運用第一款適用於 ML 的全整合式開發環境 (IDE) 來提高生產力。

Amazon SageMaker Studio 提供單一的 Web 視覺化界面,您可以在其中執行準備資料以及建置、培訓並部署模型所需的所有 ML 開發步驟。

進一步了解 »
SageMaker Studio

自動建置、培訓並調整模型

Amazon SageMaker Autopilot 會選取適用於預測的最佳演算法,並在不減損能見度或控制的情況下自動建置、培訓和調整機器學習模型。

進一步了解 »
SageMaker Autopilot

減少最多 70% 的資料標籤成本

Amazon SageMaker Ground Truth 可讓您更精確地為各式各樣的使用案例 (包含 3D 點雲、視訊、影像和文字) 標記培訓資料集。

進一步了解 »
SageMaker Ground Truth
全新

為 ML 準備資料最快速、輕鬆的方式

Amazon SageMaker Data Wrangler 可將 ML 準備資料所需的時間從數週縮減到數分鐘。只要點選幾下,您就可以完成資料準備工作流程的每個步驟,包含資料選擇、清理、探索和視覺化。

進一步了解 »
SageMaker Data Wrangler
全新

專門為 ML 精心打造的功能儲存區

Amazon SageMaker Feature Store 提供了儲存庫,可用於儲存、更新、擷取和分享 ML 功能。SageMaker Feature Store 會針對要使用的 ML 模型提供一致的功能檢視方式,讓製作可生成高精準度預測的模型變得更加簡便。

進一步了解 »
SageMaker Feature Store

培訓高品質模型更加快速

Amazon SageMaker 提供了內建偵錯工具與剖析工具,讓您可以在推出模型至生產環境之前,找出並減少模型中的培訓錯誤與效能瓶頸。

進一步了解 »
SageMaker Debugger

一鍵式部署至雲端

Amazon SageMaker 讓您只要按一下就能將培訓後的模型輕鬆部署至生產環境,讓您可以開始為即時或批次資料產生預測。

進一步了解 »
一鍵式部署
全新

在邊緣裝置上提升模型的品質

Amazon SageMaker Edge Manager 可協助您對邊緣裝置機群上部署的機器學習模型執行最佳化、安全性、監控與維護等作業,讓部署在邊緣裝置上的模型均能正確運作。

進一步了解 »
SageMaker Edge Manager

生產環境 ML 的必要功能

SageMaker Pipelines
全新

自動化機器學習工作流程

Amazon SageMaker Pipelines 是第一款專門為機器學習精心打造、簡單易用的持續整合和持續交付 (CI/CD) 服務。工作流程可在團隊間共享,也可重複使用。

進一步了解 »
SageMaker Clarify
全新

偵測偏差及了解預測

Amazon SageMaker Clarify 可提供 ML 工作流程之間的偏差偵測,讓您將更完善的公平性和透明度建置到 ML 模型中。SageMaker Clarify 還包括功能重要性圖表,可協助您闡述模型預測並產生報告,這可用於支援內部簡報或識別模型中的問題,以便您採取措施進行更正。

進一步了解 »
SageMaker Security

確保整個 ML 生命週期內資料與程式碼的安全性

Amazon SageMaker 提供一整套完整的安全功能,包含加密、私有網路連線能力、授權、驗證、監控與稽核能力,透過適用於機器學習工作負載的安全要求來協助您的組織。

進一步了解 »

生產環境 ML 的必要功能

SageMaker Pipelines
全新

自動化機器學習工作流程

Amazon SageMaker Pipelines 是第一款專門為機器學習精心打造、簡單易用的持續整合和持續交付 (CI/CD) 服務。工作流程可在團隊間共享,也可重複使用。

進一步了解 »
SageMaker Clarify
全新

提升透明度

Amazon SageMaker Clarify 可提供 ML 工作流程之間的偏差偵測,讓您將更完善的公平性和透明度建置到 ML 模型中。SageMaker Clarify 還包括功能重要性圖表,可協助您闡述模型預測並產生報告,這可用於支援內部簡報或識別模型中的問題,以便您採取措施進行更正。

進一步了解 »
SageMaker Security

確保整個 ML 生命週期內資料與程式碼的安全性

Amazon SageMaker 提供一整套完整的安全功能,包含加密、私有網路連線能力、授權、驗證、監控與稽核能力,透過適用於機器學習工作負載的安全要求來協助您的組織。

進一步了解 »

Amazon SageMaker 客戶

Amazon SageMaker 由世界各地數以萬計、來自不同產業的客戶所使用,是廣受信賴的雲端服務。

查看更多客戶案例 »
Capital One
Celgene
Conde Nast
Domino's
F1
GE
Lyft
Roche
Siemens
T-Mobile
Thomson Reuters
Verizon
全新

開始使用 Amazon SageMaker JumpStart

Amazon SageMaker 是一種機器學習服務,您可以用這種服務來為幾乎任何一種使用案例建置、培訓並部署 ML 模型。如需簡要的技術介紹,請查看 SageMaker 逐步指南。為了協助您開始您的 ML 專案,Amazon SageMaker JumpStart 針對最常見的使用案例提供了一套預先建置的解決方案,讓您僅需按幾下即可進行部署。這些解決方案是完全可自訂的,讓您可以進行修改以符合特定使用案例和資料集的需牛。

SageMaker 逐步指南 » SageMaker JumpStart »
預測性維護

預測性維護

Georgia Pacific 使用 SageMaker 來開發能夠及早偵測機器問題的 ML 模型。

進一步了解 »
電腦視覺

電腦視覺

3M 使用了建置在 SageMaker 上的瑕疵偵測模型來改善品質控制程序的有效性。

進一步了解 »
自動駕駛

自動駕駛

Lyft Level 5 已在 SageMaker 上針對培訓標準化,並且將模型培訓時間從數日降低至數小時以內。

進一步了解 »

Amazon SageMaker 的資源

即刻開始使用 Amazon SageMaker (29:18)