Was ist Amazon SageMaker? - Amazon SageMaker

Die vorliegende Übersetzung wurde maschinell erstellt. Im Falle eines Konflikts oder eines Widerspruchs zwischen dieser übersetzten Fassung und der englischen Fassung (einschließlich infolge von Verzögerungen bei der Übersetzung) ist die englische Fassung maßgeblich.

Was ist Amazon SageMaker?

Amazon SageMaker ist ein vollständig verwalteter Machine Learning (ML)-Service. Mit können SageMakerDatenwissenschaftler und Entwickler schnell und sicher ML-Modelle erstellen, trainieren und in einer produktionsbereiten gehosteten Umgebung bereitstellen. Es bietet eine Benutzeroberfläche für die Ausführung von ML-Workflows, die SageMaker ML-Tools in mehreren integrierten Entwicklungsumgebungen (IDEs) verfügbar macht.

Mit können Sie Ihre Daten speichern und freigeben SageMaker, ohne Ihre eigenen Server erstellen und verwalten zu müssen. Dadurch haben Sie oder Ihre Organisation mehr Zeit, Ihren ML-Workflow gemeinsam zu erstellen und zu entwickeln und dies früher zu tun. SageMaker bietet verwaltete ML-Algorithmen, um effizient mit extrem großen Daten in einer verteilten Umgebung zu arbeiten. Mit integrierter Unterstützung für bring-your-own-algorithms und Frameworks SageMaker bietet flexible verteilte Schulungsoptionen, die sich an Ihre spezifischen Workflows anpassen lassen. In nur wenigen Schritten können Sie ein Modell über die SageMaker Konsole in einer sicheren und skalierbaren Umgebung bereitstellen.

Preise für Amazon SageMaker

Informationen zu den Limits des AWS kostenlosen Kontingents für und zu den Kosten für die Verwendung von SageMakerfinden Sie unter Amazon SageMaker-Preise.

Verwenden Sie Amazon zum ersten Mal SageMaker?

Wenn Sie zum ersten Mal verwenden SageMaker, empfehlen wir Ihnen Folgendes:

  1. Übersicht über Machine Learning mit Amazon SageMaker – Erhalten Sie einen Überblick über den Lebenszyklus von Machine Learning (ML) und erfahren Sie mehr über angebotene Lösungen. Auf dieser Seite werden die wichtigsten Konzepte und die wichtigsten Komponenten beschrieben, die beim Erstellen von KI-Lösungen mit verbunden sind SageMaker.

  2. Erste Schritte – Erfahren Sie, wie Sie SageMaker basierend auf Ihren Anforderungen einrichten und verwenden.

  3. Verwenden Sie automatisiertes ML, No-Code oder Low-Code – Erfahren Sie mehr über Low-Code- und No-Code-ML-Optionen, die einen ML-Workflow durch Automatisierung von Machine-Learning-Aufgaben vereinfachen. Diese Optionen sind hilfreiche ML-Learning-Tools, da sie Einblick in den Code bieten, indem sie Notebooks für jede der automatisierten ML-Aufgaben generieren.

  4. Verwenden von Machine-Learning-Umgebungen, die von angeboten werden SageMaker – Machen Sie sich mit den ML-Umgebungen vertraut, mit denen Sie Ihren ML-Workflow entwickeln können, z. B. Informationen und Beispiele zu ready-to-use und benutzerdefinierte Modelle.

  5. Andere Themen erkunden – Verwenden Sie das Inhaltsverzeichnis des SageMaker Entwicklerhandbuchs, um weitere Themen zu erkunden. Informationen zu ML-Lebenszyklusphasen, in und verschiedenen LösungenÜbersicht über Machine Learning mit Amazon SageMaker, die SageMaker bietet, finden Sie beispielsweise.

  6. Amazon SageMaker-Ressourcen – Beziehen Sie sich auf die verschiedenen Entwicklerressourcen, die SageMaker bietet.