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

SageMaker 概觀

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架構、工具組和程式設計語言

TensorFlow
TensorFlow
PyTorch
mxnet
Hugging Face 標誌
TensorFlow
TensorFlow
TensorFlow

可用來準備資料以及建置、培訓並部署 ML 模型的主要功能

使用 SageMaker 的整合式開發環境 (IDE) 提高生產力

Amazon SageMaker Studio 提供基於 Web 的視覺介面,以輕鬆以 Python 語言建置模組。您還可以使用 RStudio on SageMaker (雲端中第一個全受管的 RStudio Workbench) 中的彈性運算資源以 R 語言分析和視覺化 ML 的資料。

SageMaker Studio

自動建置、訓練並調整模型

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 »