入門

Amazon SageMaker 是全受管的模組化服務,可協助開發人員和資料科學家大規模建立、訓練及部署機器學習模型。透過這些開發人員資源開始進行,您就可以快速地從概念推進到生產。

Amazon SageMaker 簡介

了解 Amazon SageMaker 的建立、訓練和部署模組。

Amazon SageMaker (1:03)

開發人員指南


遵循此逐步指南快速開始使用 Amazon SageMaker。

教學


在 10 分鐘內了解如何開始使用 Amazon SageMaker。

網路研討會


在這個隨需技術會談中,了解如何使用 Amazon SageMaker Studio,透過單一窗格來管理完整的機器學習工作流程。您可以使用 SageMaker Studio 撰寫程式碼、追蹤實驗、視覺呈現資料,並在單一整合的視覺界面中執行偵錯和監控所有資料,此環境可大幅提高開發人員的生產力。

培訓課程


在此培訓課程中,了解如何使用 Amazon SageMaker 簡化將機器學習整合至應用程式的程序。關鍵主題包括:機器學習概觀及其可協助解決的問題、使用 Jupyter Notebook 根據 Amazon SageMaker 的內建演算法訓練模型,以及使用 Amazon SageMaker 發佈驗證的模型。您將透過建立與 Amazon SageMaker 發佈的端點整合的無伺服器應用程式來完成課程。

培訓課程


在此培訓課程中,您將學習如何使用 Amazon SageMaker 和 Amazon SageMaker Ground Truth 實作機器學習管道。首先您將建立標記的資料集,然後建立訓練任務以訓練物件偵測模型,最後使用 Amazon SageMaker 建立並更新模型。

建立機器學習模型

使用 SageMaker 的建立模組收集和準備訓練資料、存取預先建立的筆記本,以及運用內建的高效能演算法。

開發人員指南


透過本指南中概述的步驟和資源,學習建立 ML 模型。

影片


在此影片中,全面了解 Amazon SageMaker 全受管筆記本執行個體。

深入了解全受管筆記本執行個體 (16:44)

部落格


閱讀此部落格,了解如何透過 Amazon SageMaker 筆記本執行個體使用常用工作流程。

實作實驗室


在 GitHub 存取內容豐富的 SageMaker 筆記本儲存庫。

實作實驗室


利用 Amazon SageMaker 內建的演算法,不但比其他熱門演算法速度更快,價格也更便宜。

影片


在此影片中,了解 Amazon SageMaker 內建的高效能演算法。

運用高效能內建機器學習演算法 (15:37)

訓練和調校機器學習模型

使用訓練模組,只要按一下就可以設定訓練環境,還可以透過自動模型調校來優化模型

開發人員指南


閱讀關於如何使用 Amazon SageMaker 訓練機器學習模型的概觀。

影片


在此影片中,了解如何使用 Amazon SageMaker 訓練機器學習模型並將其調校至最高準確度。

使用 Amazon SageMaker 訓練並調校 ML 模型 (18:29)

部落格


使用 Amazon SageMaker Experiments 有效地組織和追蹤您的訓練反覆。訓練 ML 模型通常需要進行多次反覆,以隔離和量測變更資料集、演算法版本和模型參數的影響。SageMaker Experiments 透過自動擷取輸入參數、組態和結果,並識別效果最好的實驗來協助您管理這些反覆。

 

實作實驗室


試試這些跨不同演算法和深度學習架構使用超參數調校的範例。

部落格


了解如何將 Amazon EC2 Spot 執行個體與受管 Spot 訓練結合使用,節省高達 90% 的訓練成本。Spot 執行個體是空間運算容量和訓練任務,並在備用容量可用時自動執行訓練作業。訓練的執行可以靈活應對因容量變化而引起的中斷,從而讓您可以靈活安排訓練任務的時間,從而節省成本。

網路研討會


在這個隨需技術會談中,了解如何輕鬆、快速地訓練機器學習模型。只需點按一些即可訓練模型,使用 Automatic Model Tuning 將模型調整至最高精準度,然後將這些模型投入生產。

部署機器學習模型

使用部署模組,按一下就可將您的機器學習模型部署到生產環境。

開發人員指南


依照逐步指南,在最高效能的基礎設施上部署機器學習模型。

影片


在此影片中,了解如何在最具擴展性的基礎設施上將 ML 模型部署至生產。

將 ML 模型從實驗移至生產 (7:52)

實作實驗室


依照 GitHub 的範例使用 Amazon SageMaker 和 AWS Step Functions,自動執行自訂機器學習模型的建立、訓練和部署。

部落格


學習使用 A/B 測試和 Auto Scaling 等 SageMaker 部署功能,為您的機器學習模型交付高效能和高可用性。

部落格


在此部落格中,學習如何使用 Amazon SageMaker Model Monitor,在發生概念漂移等變更時確保生產中機器學習模型的品質。當出現資料品質問題時,您甚至可以收到警示,以採取必要的措施。

部落格


在此部落格中,了解如何使用 Amazon SageMaker Python SDK 和 PyTorch 基本映像建立和訓練 fastai 模型並將其部署至 Amazon SageMaker 訓練和託管。您可以在建立自己的容器時避免執行額外步驟。

其他資源

軟體開發套件

透過專為您的程式設計語言或平台量身打造的 API,讓您在應用程式中使用 Amazon SageMaker 更為便利。

最新消息

最新消息公告是服務推出和功能更新的概略摘要。閱讀 Amazon SageMaker 特定更新和其他 AWS 公告。

立即閱讀 »

目前找不到任何部落格文章。如需其他資源,請參閱 AWS 部落格。 

進一步了解 Amazon SageMaker 功能

瀏覽功能頁面
還有其他問題嗎?
聯絡我們