為什麼要選擇 SageMaker JumpStart？
Amazon SageMaker JumpStart 是機器學習 (ML) 中心，可協助您加速機器學習之旅。藉由 SageMaker JumpStart，您可根據預先定義的品質和責任指標，來快速評估、比較和選擇基礎模型，以執行文章總結和影像產生等任務。預先訓練的模型可針對您的資料使用案例來完全自訂，而且您可以透過使用者介面或 SDK 輕鬆將其部署到生產環境中。此外，您可以存取預先建置的解決方案來解決常見的使用案例，並且在組織內共享 ML 成品，包括 ML 模型和筆記本，藉此加速 ML 模型建置和部署。
您的所有資料均不會用於訓練基礎模型。由於所有資料均經過加密，並且不會離開您的虛擬私有雲端 (VPC)，因此您的資料將保有隱私和機密，毋須操心。如需詳細資訊，請參閱常見問答集。
運作方式
-
基礎模型
-
內建演算法搭配預先訓練的模型
-
解決方案
-
ML 成品共享
-
基礎模型
-
-
內建演算法搭配預先訓練的模型
-
-
解決方案
-
-
ML 成品共享
-
運作方式
-
基礎模型
-
內建演算法搭配預先訓練的模型
-
解決方案
-
ML 成品共享
-
基礎模型
-
-
內建演算法搭配預先訓練的模型
-
-
解決方案
-
-
ML 成品共享
-
SageMaker JumpStart 的優勢
Amazon SageMaker JumpStart 功能
-
基礎模型
-
內建演算法
-
預先建置的解決方案
-
基礎模型
-
基礎模型
探索眾多專有和公開可取得的基礎模型，以執行各種任務，例如文章摘要和文字、圖像或影像生成。由於基礎模型經過預先訓練，因此有助於降低訓練和基礎設施成本，並允許針對您的使用案例進行定製。
-
內建演算法
-
存取數百種內建演算法
進一步了解內建演算法SageMaker JumpStart 提供數百種內建演算法，以及來自包括 TensorFlow Hub、PyTorch Hub、HuggingFace 和 MxNet GluonCV 等模型中心預先訓練好的模型。亦可使用 Amazon SageMaker Python SDK 存取內建的演算法。內建的演算法涵蓋常用 ML 任務，例如資料分類 (映像、文字、表格式) 和情感分析。
-
預先建置的解決方案
-
適用於常見使用案例的預先建置解決方案
SageMaker JumpStart 提供一鍵式端對端解決方案，適用於許多常見的機器學習使用案例，例如需求預測、信用評等預測、詐騙偵測和電腦視覺。進一步了解預先建置的解決方案