Amazon SageMaker Studio

用於端對端 ML 開發的單一 Web 介面

為什麼選擇 SageMaker Studio？

Amazon SageMaker Studio 提供多種專用工具選擇，可執行所有機器學習 (ML) 開發步驟，從準備資料至建置、訓練、部署和管理 ML 模型。您可以使用偏好的 IDE 快速上傳資料並建置模型。簡化 ML 團隊協作、使用 AI 型編碼輔助程式高效地編碼、調校和偵錯模型、在生產中部署和管理模型，以及自動化工作流程 – 所有這些都在單一的統一 Web 型介面中進行。

運作方式

Amazon SageMaker Studio 是提供了單一 Web 型視覺化介面的整合式開發環境 (IDE)，您可以存取其中的專用工具，來執行從準備資料到建置、訓練和部署 ML 模型的所有機器學習 (ML) 開發步驟。您不必離開 SageMaker Studio，就能快速上傳資料、建立新的筆記本、訓練和調校模型，並切換到不同步驟以調整實驗，以及將模型部署到生產環境。它可讓您快速切換環境並在組織內無縫協作，以大規模建置 ML 模型。

SageMaker Studio 的優勢

全受管 IDE 的選擇

Amazon SageMaker Studio 針對 ML 開發提供了一組廣泛的全受管整合式開發環境 (IDE)，包括 JupyterLab、基於 Code-OSS 的程式碼編輯器 (Visual Studio Code – Open Source)，以及 RStudio。快速啟動您慣用的 IDE，並立即擴展或縮減基礎運算的規模。

端對端 ML 開發的專用工具

針對 ML 開發的每個步驟存取最完整的工具集，從準備資料到建置、訓練、部署和管理 ML 模型。直接從 JupyterLab、程式碼編輯器或 RStudio on Amazon SageMaker 在微調模型、重新執行訓練實驗以及擴展至分散式訓練的步驟之間快速切換。

瀏覽、調整、評估和部署 FM

透過 Amazon SageMaker JumpStart 存取數百種熱門的公用模型和超過 15 種預先建置的解決方案，來建置生成式 AI 應用程式。您可以存取主流模型供應商提供的模型，例如 AI21 Labs、LightOn、Stability AI、Hugging Face、Alexa 和 Meta AI。然後，根據預先定義的指標 (例如準確性、穩健性和毒性) 快速評估、比較及選取您的使用案例的最佳基礎模型 (FM)。人工評估可用於更主觀的維度，例如創意和風格。

採用生成式 AI 技術的 ML 開發體驗

使用 IDE 中採用 AI 技術的開發人員工具，安全地加速進行 ML 開發並提高生產力。使用 Amazon CodeWhisperer 產生、偵錯及解釋原始程式碼，並使用 Amazon CodeGuru 執行安全和程式碼品質掃描。

可在任何地方安全地執行

您可以使用 Web 瀏覽器，從任何裝置使用 SageMaker Studio。程式碼和資料都會保留在安全的雲端環境中，無需將敏感的 ML 成品下載至本機電腦。

使用案例

加速生成式 AI 開發

藉由存取各種公用 FM、模型評估工具、高效能加速運算支援的 IDE，以及直接從 SageMaker Studio 大規模微調和部署 FM 的能力，更快速地建置生成式 AI 應用程式。

擴展和標準化 ML 工作流程

在同一個位置使用最全面的機器學習工具，統一您在 SageMaker Studio 中的端對端機器學習開發。SageMaker 提供高效能的 MLOps 工具，可協助您自動化和標準化 ML 工作流程與管控工具，以支援整個組織的透明度和可稽核性。

結合大數據分析與 ML

SageMaker Studio 提供統一的體驗讓您執行所有資料分析和 ML 工作流程。建立、瀏覽並連線至 Amazon EMR 叢集。使用 Amazon Glue 互動式工作階段來建置、測試及執行互動式資料準備和分析應用程式。使用熟悉的工具 (例如 Spark UI) 監控及除錯 Spark 工作 – 全都直接從 SageMaker Studio 執行。