Was ist Amazon SageMaker?

Amazon SageMaker ist ein vollständig verwalteter Machine Learning-Service. Mit SageMaker können Datenwissenschaftler und Entwickler schnell und einfach Machine-Learning-Modelle erstellen und trainieren und diese dann direkt in einer produktionsbereiten gehosteten Umgebung bereitstellen. Es bietet eine integrierte Jupyter-Authoring-Notebook-Instance für den einfachen Zugriff auf Ihre Datenquellen zur Durchsuchung und Analyse, sodass Sie keine Server verwalten müssen. Außerdem enthält es gängige Algorithmen für Machine Learning, die optimiert sind, um effizient extrem große Datenmengen in einer verteilten Umgebung bewältigen zu können. Dank nativer Unterstützung für bring-your-own-algorithms und Frameworks SageMaker bietet flexible, verteilte Schulungsoptionen, die sich an Ihre spezifischen Workflows anpassen lassen. Stellen Sie ein Modell in einer sicheren und skalierbaren Umgebung bereit, indem Sie es mit wenigen Klicks von SageMaker Studio oder der SageMaker Konsole aus starten.

Dieses Handbuch enthält Informationen und Tutorials zu SageMaker Funktionen. Weitere Informationen finden Sie unter Amazon SageMaker Developer Resources.

Topics

• SageMaker Amazon-Funktionen

• SageMaker Amazon-Preise

• Verwenden Sie Amazon zum ersten Mal SageMaker?

SageMaker Amazon-Preise

Wie bei anderenAWS -Produkten gibt es keine vertraglichen Verpflichtungen oder Mindestlaufzeiten für die Nutzung von Amazon SageMaker. Schulung und Hosting werden nach Nutzung in Minuten berechnet, ohne Mindestgebühr und Vorausleistungen. Weitere Informationen zu den SageMaker Nutzungskosten finden Sie unter SageMaker Preise.

Verwenden Sie Amazon zum ersten Mal SageMaker?

Wenn Sie zum ersten Mal verwenden SageMaker, sollten Sie wie folgt vorgehen:

1. Lesen SageMaker Funktionsweise von Amazon — Dieser Abschnitt bietet einen Überblick über SageMaker, erklärt die wichtigsten Konzepte und beschreibt die Kernkomponenten, mit denen KI-Lösungen entwickelt SageMaker werden. Wir empfehlen, dieses Thema in der angegebenen Reihenfolge zu lesen.

2. Richten Sie die SageMaker Amazon-Voraussetzungen ein— In diesem Abschnitt wird erklärt, wie Sie IhrAWS Konto einrichten.

3. Amazon SageMaker Autopilot vereinfacht das maschinelle Lernen, indem es maschinelle Lernaufgaben automatisiert. Wenn Sie noch nicht damit vertraut sind SageMaker, bietet es den einfachsten Lernpfad. Es dient auch als hervorragendes ML-Lerntool, das Einblick in den Code bietet. Für jede der automatisierten ML-Aufgaben werden Notizbücher generiert. Eine Einführung in seine Fähigkeiten finden Sie unter Automatisieren Sie die Modellentwicklung mit Amazon SageMaker Autopilot. Für den Einstieg in die Erstellung, Schulung und Bereitstellung von Modellen für maschinelles Lernen bietet Autopilot:

   • Beispiele: Entdecken Sie das Modellieren mit Amazon SageMaker Autopilot

   • Videos: Verwenden Sie den Autopiloten, um den Prozess des maschinellen Lernens zu automatisieren und zu erkunden

   • Tutorials: Erste Schritte mit Amazon SageMaker Autopilot

4. Starten Sie mit Amazon SageMaker— In diesem Abschnitt erfahren Sie, wie Sie Ihr erstes Modell mit SageMaker Studio oder der SageMaker Konsole und der SageMaker API trainieren. Sie verwenden Trainingsalgorithmen von SageMaker.

5. Entdecken Sie weitere Themen – Tun Sie in Folgendes, je nachdem, was Sie benötigen:

   • Python-Code einreichen, um mit Deep-Learning-Frameworks zu trainieren — In SageMaker können Sie Ihre eigenen Trainingsskripte verwenden, um Modelle zu trainieren. Weitere Informationen finden Sie unter Verwenden von Frameworks für Machine Learning, Python und R mit Amazon SageMaker.

   • SageMaker Direkt von Apache Spark aus verwenden — Weitere Informationen finden Sie unterVerwenden von Apache Spark mit Amazon SageMaker.

   • Verwenden Sie SageMaker es, um Ihre eigenen benutzerdefinierten Algorithmen zu trainieren und bereitzustellen — Verpacken Sie Ihre benutzerdefinierten Algorithmen mit Docker, sodass Sie sie darin trainieren und/oder bereitstellen können SageMaker. Informationen zur SageMaker Interaktion mit Docker-Containern und zu den SageMaker Anforderungen für Docker-Images finden Sie unterVerwendung von Docker-Containern mit SageMaker.

6. API-Referenz anzeigen — In diesem Abschnitt werden die SageMaker API-Operationen beschrieben.

SageMaker Funktionsweise von Amazon

SageMaker ist ein vollständig verwalteter Service, mit dem Sie auf maschinellem Lernen basierende Modelle schnell und einfach in Ihre Anwendungen integrieren können. Dieser Abschnitt erhält eine Übersicht über Machine Learning-Service und erklärt, wie es SageMaker funktioniert. Wenn Sie zum ersten Mal verwenden SageMaker, sollten Sie die folgenden Abschnitte in der angegebenen Reihenfolge lesen:

1. Machine Learning mit Amazon SageMaker

2. Untersuchen, Analysieren und Verarbeiten von Daten

3. Trainiere ein Model mit Amazon SageMaker

4. Bereitstellen eines Modells in Amazon SageMaker

5. Verwenden von Frameworks für Machine Learning, Python und R mit Amazon SageMaker

6. Starten Sie mit Amazon SageMaker