Amazon SageMaker icono

Amazon SageMaker Populardesde 2017

Plataforma integrada para construir, entrenar y desplegar modelos de aprendizaje automático

Unos 3 min de lectura

Qué hace

Amazon SageMaker es una plataforma integrada que gestiona todo el ciclo de vida de modelos de aprendizaje automático (ML). Cubre preparación de datos, construcción y entrenamiento de modelos, ajuste, despliegue y monitoreo en un solo servicio. Proporciona entornos Jupyter notebook, algoritmos integrados, entrenamiento distribuido y ajuste automático de modelos.

Casos de uso

Clasificación de imágenes, procesamiento de lenguaje natural, recomendaciones, detección de fraude, pronóstico de demanda, detección de anomalías, prácticamente cualquier carga de trabajo de ML. Sirve a una amplia gama de niveles de habilidad desde ingenieros de ML hasta científicos de datos.

Analogía cotidiana

Es como una cocina profesional con clases de cocina. Tiene todo lo que necesita para cada paso: desde la preparación de ingredientes (preparación de datos) hasta cocinar (entrenamiento), degustar (evaluación) y emplatar (despliegue). También incluye recetas para principiantes (algoritmos integrados).

¿Qué es SageMaker?

Amazon SageMaker es la plataforma de ML más completa de AWS. Proporciona un entorno unificado para todo el flujo de trabajo de ML: etiquetado de datos, preparación de características, entrenamiento de modelos, ajuste de hiperparámetros, despliegue y monitoreo. SageMaker Studio ofrece un IDE basado en web para científicos de datos. Cabe señalar que algunas funciones periféricas, empezando por Ground Truth (etiquetado de datos), cerraron el acceso a nuevos clientes el 30 de julio de 2026, por lo que conviene verificar el estado de admisión de cada función antes de adoptarla (los usuarios existentes pueden seguir utilizándolas; a fecha de agosto de 2026).

Entrenamiento y despliegue

SageMaker admite entrenamiento en instancias de GPU/CPU gestionadas con escalado automático. Los modelos entrenados se despliegan como endpoints de inferencia en tiempo real, inferencia por lotes o inferencia serverless. El entrenamiento distribuido escala automáticamente a múltiples instancias para conjuntos de datos grandes. Para profundizar en entrenamiento y despliegue, los libros especializados en Amazon son un excelente recurso.

SageMaker Canvas y JumpStart

Canvas proporciona una interfaz sin código para usuarios de negocio. JumpStart ofrece modelos pre-entrenados y plantillas de solución que puede desplegar con un clic. Incluye modelos fundacionales (LLM), modelos de visión por computadora y modelos tabulares listos para usar o ajuste fino.

Primeros pasos

Abra SageMaker Studio desde la consola de AWS. Cree un notebook, cargue datos desde S3 y use un algoritmo integrado o su propio código de entrenamiento. Lance un trabajo de entrenamiento, evalúe el modelo y despliéguelo como endpoint.

Aspectos a tener en cuenta

  • Las instancias de entrenamiento y de cuadernos se cobran por horas, así que deténgalas siempre después de usarlas
  • Los puntos de enlace de inferencia en tiempo real funcionan continuamente y generan cargos. Con poco tráfico, considere la inferencia sin servidor
  • Si la configuración de VPC no se hace adecuadamente al crear el dominio de SageMaker Studio, luego resulta difícil de cambiar
CompartirXB!

Servicios relacionados

Amazon S3 iconoAmazon S3 EsencialServicio de almacenamiento de objetos escalableAmazon Bedrock iconoAmazon Bedrock PopularUn servicio de IA generativa completamente administrado que proporciona acceso a modelos fundacionales líderes a través de APIAmazon SageMaker Canvas iconoAmazon SageMaker Canvas EspecializadoHerramienta de ML sin código para construir, entrenar y desplegar modelos de aprendizaje automático sin escribir códigoAWS Glue iconoAWS Glue PopularUn servicio ETL sin servidor que automatiza la extracción, transformación y carga de datos

Artículos relacionados

Uso de Claude en Amazon Bedrock - Selección de modelos, diseño de prompts y optimización de costosComparamos los modelos Anthropic Claude disponibles en Amazon Bedrock, proporcionamos directrices de selección de modelos por caso de uso y cubrimos mejores prácticas de diseño de prompts y optimización de costos.ML con preservación de privacidad con AWS Clean Rooms ML - Construya modelos sin compartir datosAprenda cómo construir modelos lookalike con Clean Rooms ML, aplicar privacidad diferencial y aprovechar los resultados para segmentación publicitaria.Visión por computadora en el borde - AWS Panorama (descontinuado) y su pila de reemplazoAWS Panorama finalizó el 31 de mayo de 2026. Conozca la pila de reemplazo para el análisis de IA en sitio de cámaras IP existentes (SageMaker, hardware NVIDIA Jetson, IoT Greengrass) y cómo funcionaba Panorama.Plataforma de IA generativa - Construcción de una base de IA empresarial con Amazon BedrockAprende a construir aplicaciones de IA generativa usando Amazon Bedrock. Esta guía cubre la selección de modelos fundacionales, la implementación del patrón RAG, las barreras de seguridad y la integración con SageMaker para diseñar infraestructura de IA de nivel empresarial.Construcción de una plataforma de análisis de datos de salud con Amazon HealthLake - Almacenamiento de datos FHIR y análisis con MLAprende sobre el almacenamiento de datos FHIR con HealthLake, el análisis de texto médico usando procesamiento de lenguaje natural y la ejecución de consultas analíticas.

Más en esta categoría

Amazon Bedrock iconoAmazon Bedrock PopularUn servicio de IA generativa completamente administrado que proporciona acceso a modelos fundacionales líderes a través de APIAWS Clean Rooms ML iconoAWS Clean Rooms ML NuevoUn servicio para construir modelos de ML protegiendo la privacidad dentro de Clean RoomsAmazon Comprehend iconoAmazon Comprehend EspecializadoUn servicio que extrae entidades, sentimientos y frases clave del texto mediante procesamiento de lenguaje naturalAmazon Forecast iconoAmazon Forecast Descontinuación previstaUn servicio completamente administrado que utiliza aprendizaje automático para pronosticar datos de series temporalesAmazon HealthLake iconoAmazon HealthLake EspecializadoServicio administrado para almacenar, transformar y analizar datos sanitarios compatibles con FHIRAmazon Kendra iconoAmazon Kendra Descontinuación previstaServicio de búsqueda empresarial inteligente impulsado por machine learningAmazon Lex iconoAmazon Lex EspecializadoServicio para construir interfaces conversacionales usando voz y textoAWS Panorama iconoAWS Panorama Servicio finalizado[Finalizado el 31-05-2026] Servicio que añadía análisis de vídeo en el borde a cámaras IP existentes. Los dispositivos ya no funcionan; AWS recomienda SageMaker con hardware Jetson y Greengrass

Artículos y servicios similares

Amazon SageMakerPlataforma completamente gestionada para construir, entrenar y desplegar modelos de aprendizaje automático de forma integral, mejorando significativamente la productividad de científicos de datos e ingenieros MLConstrucción de una plataforma ML con Amazon SageMaker - Desde el desarrollo de modelos hasta el despliegueDesde el desarrollo en Studio hasta el entrenamiento con instancias spot gestionadas, MLOps con Pipelines y detección de drift de datos con Model Monitor, este artículo cubre cómo integrar todo el ciclo de vida ML.Un equipo de ciencia de datos desea construir su propio modelo de ML personalizado, realizar ajuste de hiperparámetros y desplegarlo como un punto de conexión en un entorno de producción. ¿Cuál es el servicio de AWS más adecuado?ML sin código con Amazon SageMaker Canvas - Construcción de modelos predictivos con interfaz visualUna herramienta visual para construir modelos ML sin escribir código. Simplemente suba un CSV y seleccione un objetivo de predicción para construir un modelo, con compartición bidireccional con Studio.