Amazon SageMaker 常見問答集

下一代 SageMaker 是用於資料、分析和 AI 的統一平台。下一代的 SageMaker 結合廣泛採用的 AWS 機器學習 (ML) 和分析功能，提供分析和 AI 的整合式體驗，並統一存取您的所有資料。SageMaker 可讓您使用熟悉的 AWS 服務進行模型開發、生成式 AI、資料處理和 SQL 分析，從統一的工作室 (預覽) 加快協作和建置，這些工具由 Amazon Q Developer 加速，這是對於軟體開發最有能力的生成式 AI 助理。此外，無論是儲存在資料湖、資料倉儲、第三方或聯合資料來源中，您都可以存取所有資料，內建的管控功能可滿足企業安全需求。

我們透過全面的 AWS 資料、分析和 AI 功能擴展廣泛採用的 SageMaker 服務，以提供統一的資料、分析和 AI 體驗。展望未來，SageMaker 中用於資料整理、建置、訓練和部署 AI 模型的現有 AI/ML 功能集將稱為 Amazon SageMaker AI。SageMaker AI 整合在下一代 SageMaker 中，也可作為獨立服務提供，以供希望專注於大規模建置、訓練和部署 AI 與 ML 模型的使用者使用。

下一代 SageMaker 包括：

• Amazon SageMaker Unified Studio (預覽版) – 單一開發環境，用於存取和使用專門建置的 AWS 分析和 AI/ML 服務 (例如 Amazon EMR、AWS Glue、Amazon Athena、Amazon Redshift、Amazon Bedrock 和 SageMaker AI) 中熟悉的工具與功能。
• Amazon SageMaker Lakehouse：統一 Amazon Simple Storage Service (Amazon S3) 資料湖、Amazon Redshift 資料倉儲與第三方和聯合資料來源中的資料。
• Amazon SageMaker 資料與 AI 管控：使用在 Amazon DataZone 基礎上建置的 Amazon SageMaker Catalog 來安全地探索、管控和協作資料與 AI。

下一代 Amazon SageMaker 包含下列功能：

• Amazon SageMaker Unified Studio (預覽版) – 使用單一環境中用於分析和 AI 實作的所有資料和工具進行建置。
• Amazon SageMaker Lakehouse – 使用 Amazon SageMaker Lakehouse 可統一 Amazon Simple Storage Service (Amazon S3) 資料湖、Amazon Redshift 資料倉儲、第三方和聯合資料來源中的資料。
• 資料與 AI 管控 — 使用在 Amazon DataZone 基礎上建置的 Amazon SageMaker Catalog 來安全地探索、管控和協作資料與 AI。
• 模型開發 – 藉助 Amazon SageMaker AI (之前稱為 Amazon SageMaker)，使用全受管理的基礎設施、工具和工作流程來建置、訓練和部署 ML 與 FM。
• 生成式 AI 應用程式開發 – 使用 Amazon Bedrock 建置並擴展生成式 AI 應用程式。
• SQL 分析 – 藉助最具價格效能的 SQL 引擎 Amazon Redshift 取得洞見。
• 資料處理 – 利用 Amazon Athena、Amazon EMR 和 AWS Glue 上的開放原始碼架構來分析、準備及整合資料以進行分析和 AI 實作。

下一代的 SageMaker 結合廣泛採用的 AWS ML 和分析功能，提供分析和 AI 的整合式體驗，並統一存取您的所有資料。這種統一的方法可協助您更有效地處理資料，增加團隊間的協作，以及提高整體生產力。

SageMaker 可讓您：

• 使用模型開發、生成式 AI、資料處理和 SQL 分析的熟悉 AWS 服務，透過單一資料和 AI 開發環境進行協作和建置。
• 使用多種工具來開發和擴展您的 AI 使用案例，以訓練、自訂和部署 ML 與 FM，並且快速建立針對自身業務量身打造的生成式 AI 應用程式。
• 使用開放式資料湖統一 Amazon S3 資料湖、Amazon Redshift 資料倉儲與第三方或聯合資料來源中的所有資料，從而減少資料孤島。
• 透過內建資料和 AI 管控來控制正確的使用者出於適當目的對合適資料、ML 模型、生成式 AI 開發成品和運算資源的存取，從而滿足您的企業安全需求。

是。根據您的特定業務要求，您可以繼續使用個別 AWS 服務，例如 Amazon SageMaker AI (以前稱為 Amazon SageMaker)、用於大數據處理的 Amazon EMR、AWS Glue 以及用於資料倉儲的 Amazon Redshift。這對您目前使用個別服務的方式沒有影響。

Amazon SageMaker 還提供額外的優勢，即提供統一、使用者友好的介面來存取這些服務。這種方法可協助您更有效地使用資料進行創新，增加團隊間的協作，以及提高整體生產力。

SageMaker 整合了 SageMaker Unified Studio (預覽版)、SageMaker 資料與 AI 管控以及 SageMaker Lakehouse 等一系列全面的 AWS AI 和分析服務。

透過 SageMaker Unified Studio，您可以使用現有的 AWS 服務存取資料處理、SQL 分析、ML 和生成式 AI 應用程式開發功能。針對資料處理，Athena、AWS Glue、Amazon EMR 以及 Amazon Managed Workflows for Apache Airflow (Amazon MWAA) 等服務可分析、準備、整合和協同運作任何規模的分析和 AI 資料。對於 SQL 分析，Amazon Redshift 與 SageMaker Lakehouse 無縫整合，為 Amazon Redshift 資料倉儲和 Amazon S3 資料湖中的統一資料提供強大的 SQL 分析功能。ML 功能由 SageMaker AI (以前稱為 SageMaker) 提供，用於建置、訓練和部署 ML 和 FM。此外，您可以使用 Amazon Bedrock IDE (預覽版) 開發生成式 AI 應用程式。

SageMaker 資料與 AI 管控透過以 Amazon DataZone 為基礎建置的 SageMaker Catalog 中的統一資料管理體驗，提供端對端的內建管控，以安全地探索、管控和協作資料與 AI。

SageMaker Lakehouse 以 AWS Glue Data Catalog、AWS Lake Formation 和 Amazon Redshift 中的多個型錄服務為基礎建置，提供跨 Amazon S3 資料湖、Amazon Redshift 資料倉儲與第三方和聯合資料來源的統一資料存取。

此外，這些服務仍可透過 AWS 管理主控台作為獨立功能提供，從而根據使用案例提供靈活性。我們將於 2025 年透過更多服務來增強 SageMaker，以統一分析和 AI 方面的體驗。這些功能包括使用 Amazon OpenSearch Service 的搜尋分析、使用 Amazon QuickSight 的商業智慧功能，以及使用 AWS 串流服務組合的串流。

可以輕鬆開始使用 Amazon SageMaker。第一步是導覽至 Amazon SageMaker Unified Studio (預覽版) 管理主控台以建立網域，即為您的業務單元連線資產、使用者及其專案的組織實體。在管理主控台中，選擇「建立網域」，您會看到兩個選項 – 快速設定和手動設定。選擇「快速設定」以開始使用一組預設組態，稍後可自訂這些組態。或者，您可以選擇「手動設定」，以在建立網域時完全控制設定。建立網域後，您就可以導覽至 Amazon SageMaker Unified Studio (以瀏覽器為基礎的 Web 應用程式)，從中使用所有資料和設定的工具進行分析和 AI。若要進一步了解如何開始使用，請參閱 SageMaker 文件。

您在 AWS 服務 (例如 Amazon EMR、AWS Glue 和 Amazon Athena ) 中的現有資料開發體驗仍然可用。這意味著您建立的所有現存程式碼和資源都可以繼續使用，而不會產生中斷。我們將於 2025 年第一季度提供易於使用的升級指令碼和全面的指南，以將您現有的程式碼庫引入統一的 SageMaker 體驗中。

我們正在透過整合客戶目前已在使用的全套 AWS 資料、分析和 AI 工具，將廣泛採用的 ML 服務 SageMaker 擴展為資料和 AI 平台。我們還為全新 SageMaker 新增各種功能，包括 SageMaker Unified Studio (預覽版)、SageMaker Lakehouse (GA) 和 SageMaker Catalog (GA)。

新一代 Amazon SageMaker 幾乎包含了使用 Amazon Redshift 進行 SQL 分析、使用 Amazon EMR 進行資料處理、使用 SageMaker AI 進行 AI 模型開發以及使用新的 Amazon Bedrock IDE (預覽版) 進行生成式 AI 應用程式開發所需的所有元件，所有這些均透過統一工作室 (預覽版) 中的整合開發體驗提供。