Amazon SageMaker のアイコン

Amazon SageMaker 热门2017年〜

覆盖机器学习全生命周期的综合平台

阅读约需 1 分钟

它能做什么

Amazon SageMaker 是一项覆盖机器学习全生命周期（数据准备、模型训练、调优、部署、监控）的全托管平台。提供 Jupyter Notebook 环境、内置算法、分布式训练、自动模型调优、一键部署等功能。支持从实验到生产的无缝过渡。

使用场景

用于自定义 ML 模型的开发和训练、大规模分布式训练、模型的 A/B 测试和部署、MLOps 管道的构建、计算机视觉和自然语言处理模型的开发。

日常类比

可以比作 ML 工程师的完整工作台。从原材料加工（数据准备）到产品制造（模型训练）、质量检验（评估）、出货（部署）的所有工具都齐备在一个工作台上。

什么是 SageMaker

Amazon SageMaker 是 AWS 的机器学习平台。提供 ML 工作流各阶段所需的工具：SageMaker Studio（IDE）、Data Wrangler（数据准备）、Training（模型训练）、Experiments（实验管理）、Model Registry（模型注册）、Endpoints（推理端点）、Pipelines（MLOps）等。

训练与部署

SageMaker 的训练作业在托管的计算实例上运行，训练完成后自动释放资源。支持单实例到数千 GPU 的分布式训练。训练好的模型可以部署为实时推理端点、批量转换作业或异步推理端点。自动扩缩容根据流量调整端点实例数。 如需深入了解训练与部署的知识，可参考专业书籍（Amazon）。

开始使用

在 SageMaker 控制台创建 Studio 域，启动 Notebook 实例。使用内置算法或自定义训练脚本创建训练作业。训练完成后创建模型并部署到端点。SageMaker JumpStart 提供预训练模型和解决方案模板，可以快速开始。

注意事项

  • 训练作业完成后实例自动释放，只按实际训练时间收费
  • SageMaker JumpStart 提供预训练模型和解决方案模板，可以快速开始
共有するXB!

相关服务

Amazon S3 图标Amazon S3具有高耐久性和可扩展性的对象存储服务Amazon Bedrock 图标Amazon Bedrock通过 API 使用主流基础模型的全托管生成式 AI 服务Amazon SageMaker Canvas 图标Amazon SageMaker Canvas无需编写代码即可构建机器学习模型的可视化工具AWS Glue 图标AWS Glue自动化数据抽取、转换和加载的无服务器 ETL 服务

相关文章

在 Amazon Bedrock 中使用 Claude - 从模型选择到提示词设计与成本优化介绍 Amazon Bedrock 中可用的 Anthropic Claude 模型特性对比、按使用场景的模型选择指南、提示词设计最佳实践以及成本优化方法。AWS Clean Rooms ML 隐私保护型机器学习 - 无需共享数据即可构建模型详细介绍通过 Clean Rooms ML 构建相似人群模型、应用差分隐私以及在广告定向投放中的实际应用。边缘计算机视觉 - 使用 AWS Panorama 在现场对摄像头视频进行 AI 分析将计算机视觉模型部署到 Panorama 设备，实时分析现有 IP 摄像头视频。解析边缘推理降低延迟和节省带宽的设计模式。生成式 AI 平台 - 通过 Amazon Bedrock 构建企业级 AI 基础设施介绍利用 Amazon Bedrock 构建生成式 AI 应用程序的方法，包括基础模型选择、RAG 模式实现、通过 Guardrails 确保安全性以及与 SageMaker 的集成等企业级 AI 基础设施设计。使用 Amazon HealthLake 构建医疗数据分析平台 - FHIR 数据存储与 ML 分析解析 HealthLake 的 FHIR 数据存储、自然语言处理的医疗文本分析，以及分析查询的执行方法。

本分类的更多服务

Amazon Bedrock 图标Amazon Bedrock 热门通过 API 使用主流基础模型的全托管生成式 AI 服务AWS Clean Rooms ML 图标AWS Clean Rooms ML 新服务在 Clean Rooms 中保护隐私的同时构建 ML 模型的服务Amazon Comprehend 图标Amazon Comprehend 专业通过自然语言处理从文本中提取实体、情感和关键短语的服务Amazon Forecast 图标Amazon Forecast 即将停用使用机器学习进行时间序列数据预测的全托管服务Amazon HealthLake 图标Amazon HealthLake 专业用于存储、转换和分析符合 FHIR 标准的医疗数据的托管服务Amazon Kendra 图标Amazon Kendra 即将停用利用机器学习的智能企业搜索服务Amazon Lex 图标Amazon Lex 专业构建语音和文本对话式界面的服务AWS Panorama 图标AWS Panorama 专业为现有 IP 摄像头添加计算机视觉，实现边缘视频分析的服务

相似的文章与服务

用 Amazon SageMaker 构建 ML 平台 - 从模型构建到部署介绍从 Studio 开发到托管 Spot 训练、Pipelines 实现 MLOps、Model Monitor 数据漂移检测，整合 ML 全生命周期的方法。Amazon SageMaker覆盖机器学习全生命周期的全托管平台，从数据准备、模型训练到部署和监控提供一站式支持使用 AWS Batch 执行基于 GPU 的机器学习训练 - 高性价比的大规模训练方案利用现有 Docker 容器执行 GPU 训练，通过 Spot 实例与检查点机制将成本最高降低 90%。同时介绍与 SageMaker 的使用场景区分。AWS AI/ML 服务层级结构 - SageMaker、Bedrock 与 API 型服务三层实现的灵活性将 AWS 的 AI/ML 服务整理为 SageMaker（完全控制）、Bedrock（托管式生成 AI）和 Rekognition 等（API 型）三层结构，通过与 GCP Vertex AI 和 Azure OpenAI Service 的对比，解析包含自研芯片集成在内的 AWS 灵活性优势。