¿Qué es Amazon SageMaker? - Amazon SageMaker

Las traducciones son generadas a través de traducción automática. En caso de conflicto entre la traducción y la version original de inglés, prevalecerá la version en inglés.

¿Qué es Amazon SageMaker?

Amazon SageMaker es un servicio de machine learning completamente administrado. SageMaker permite a los desarrolladores y a los analistas de datos crear y perfeccionar modelos de aprendizaje automático de forma rápida y sencilla y, a continuación, implementarlos directamente un entorno alojado listo para su uso. Incluye una instancia de bloc de notas de creación de Jupyter integrada para obtener acceso de manera sencilla a sus orígenes de datos y poder realizar estudios y análisis sin tener que administrar servidores. También ofrece algoritmos de aprendizaje automático comunes optimizados para ejecutarse de manera eficiente en conjuntos de datos extremadamente grandes en un entorno distribuido. Con compatibilidad original para marcos y algoritmos propios, SageMaker ofrece opciones de entrenamiento distribuido flexibles que se ajustan a sus flujos de trabajo específicos. Implemente un modelo en un entorno seguro y escalable mediante el lanzamiento con unos pocos clics desde SageMaker Studio o la consola de SageMaker. La capacitación y el alojamiento se cobran por minutos de uso, sin tarifas mínimas y sin compromisos iniciales.

Esta guía incluye información y tutoriales sobre las características de SageMaker. Para obtener información adicional, consulteRecursos para desarrolladores de Amazon SageMaker.

Temas

Características de Amazon SageMaker

Amazon SageMaker incluye las siguientes características:

SageMaker Studio

Un entorno de aprendizaje automático integrado donde puede crear, entrenar, implementar y analizar sus modelos en la misma aplicación.

Registro de modelos de SageMaker

Control de versiones, seguimiento de artefactos y linajes, flujo de trabajo de aprobación y soporte multicuenta para la implementación de sus modelos de aprendizaje automático.

Proyectos de SageMaker

Cree soluciones ML integrales con CI/CD mediante proyectos de SageMaker.

Canalizaciones de creación de modelos de SageMaker

Cree y administre canalizaciones de aprendizaje automático integradas directamente con los trabajos de SageMaker.

Seguimiento de linaje de SageMaker ML

Realice un seguimiento del linaje de los flujos de trabajo de aprendizaje automático.

SageMaker Data Wrangler

Importe, analice, prepare y incluya datos en SageMaker Studio. Puede integrar Data Wrangler en sus flujos de trabajo de aprendizaje automático para simplificar y optimizar el procesamiento previo de datos y la ingeniería de características utilizando poca o ninguna codificación. También puede agregar sus propios scripts y transformaciones de Python para personalizar el flujo de trabajo de preparación de datos.

Tienda de características de SageMaker

Almacenamiento centralizado de características y metadatos asociados para que las características se puedan descubrir y reutilizar fácilmente. Puede crear dos tipos de tiendas, una tienda en línea o sin conexión. La tienda online se puede utilizar para casos de uso de baja latencia e inferencia en tiempo real y la Tienda sin conexión se puede utilizar para formación e inferencia por lotes.

SageMaker JumpStart

Obtenga información sobre las características y capacidades de SageMaker a través de soluciones seleccionadas con un solo clic, por ejemplo, blocs de notas y modelos preentrenados que puede implementar. También puede ajustar los modelos e implementarlos.

SageMaker Clarify

Mejore sus modelos de aprendizaje automático detectando posibles sesgos y ayude a explicar las predicciones que hacen los modelos.

SageMaker Edge Manager

Optimice modelos personalizados para dispositivos perimetrales, cree y gestione flotas y ejecute modelos con un tiempo de ejecución eficiente.

Ground Truth

Conjuntos de datos de entrenamiento de alta calidad mediante el uso de trabajadores junto con aprendizaje automático para crear conjuntos de datos etiquetados.

Amazon Augmented AI

Cree los flujos de trabajo necesarios para la revisión humana de las predicciones de ML. Amazon A2I pone la revisión humana al alcance de todos los desarrolladores, eliminando el trabajo pesado indiferenciado vinculado a la creación de sistemas de revisión humana o la administración de un gran número de revisores humanos.

Bloc de notas de SageMaker Studio

La próxima generación de cuadernos SageMaker que incluyenAWS Single Sign-On(AWS SSO), tiempos de inicio rápidos y uso compartido con un solo clic.

Experimentos de SageMaker

Administración y seguimiento de experimentos Puede utilizar los datos de seguimiento para reconstruir un experimento, crear de forma incremental experimentos realizados por pares y trazar el linaje del modelo para verificaciones de cumplimiento y auditoría.

Depurador de SageMaker

Inspeccione los parámetros y los datos del entrenamiento durante todo el proceso de entrenamiento. Detecte y avise automáticamente a los usuarios de errores frecuentes, como que los valores de los parámetros son demasiado grandes o pequeños.

Piloto automático de SageMaker

Los usuarios sin conocimientos de aprendizaje automático pueden crear rápidamente modelos de clasificación y regresión.

Monitor de modelo de SageMaker

Monitorizar y analizar modelos en producción (puntos de enlace) para detectar la deriva de datos y desviaciones en la calidad del modelo.

SageMaker Neo

Entrene modelos de aprendizaje automático una vez y, a continuación, ejecútelos en cualquier lugar de la nube y en el borde.

Elastic Inference de SageMaker

Acelere el rendimiento y reduzca la latencia de obtener inferencias en tiempo real.

Aprendizaje por refuerzo

Maximice la compensación a largo plazo que el agente recibe como consecuencia de sus acciones.

Procesamiento previo

Analice y preprocese datos, aborde la ingeniería de características y evalúe modelos.

Transformación por lotes

Procese previamente los conjuntos de datos, ejecute inferencia cuando no necesite un punto de enlace persistente y asocie registros de entrada con inferencias para ayudar a interpretar los resultados.

Precios de Amazon SageMaker

Al igual que sucede con otrosAWSproductos, no hay contratos ni compromisos mínimos para utilizar Amazon SageMaker. Para obtener más información sobre el costo del uso de SageMaker, consultePrecios de SageMaker.

¿Es la primera vez que utiliza Amazon SageMaker?

Si es la primera vez que utiliza SageMaker, le recomendamos que realice el siguiente procedimiento:

  1. LecturaCómo funciona Amazon SageMaker: esta sección proporciona información general de SageMaker, explica los conceptos claves y se describen los componentes principales implicados en la creación de las soluciones de inteligencia artificial con SageMaker. Le recomendamos que lea este tema en el orden que se muestra.

  2. Configuración de Amazon SageMaker Requisitos previos— En esta sección, se explica cómo configurar suAWSaccount.

  3. Amazon SageMaker Autopilot simplifica la experiencia de aprendizaje automático al automatizar las tareas de aprendizaje automático. Si es nuevo en SageMaker, proporciona la ruta de aprendizaje más fácil. También sirve como una excelente herramienta de aprendizaje ML que proporciona visibilidad del código gracias a blocs de notas generados para cada una de las tareas de ML automatizadas. Para obtener una introducción a sus capacidades, consulte Automatice el desarrollo de modelos con Amazon SageMaker Autopilot. Para comenzar a crear, entrenar e implementar modelos de aprendizaje automático, Autopilot proporciona:

  4. Introducción a Amazon SageMaker: esta sección le guía a través del entrenamiento de su primer modelo mediante SageMaker Studio o la consola de SageMaker y la API de SageMaker. Utilice los algoritmos de capacitación proporcionados por SageMaker.

  5. Explorar otros temas: según sus necesidades, realice las siguientes tareas:

    • Enviar código Python para entrenar con marcos de aprendizaje profundo— En SageMaker, puede utilizar sus propios scripts de capacitación para realizar la capacitación de modelos. Para obtener información, consulte Uso de marcos de aprendizaje automático, Python y R con Amazon SageMaker.

    • Usar SageMaker directamente desde Apache Spark— Para obtener información, consulteUsar Apache Spark con Amazon SageMaker.

    • Utilice SageMaker para entrenar e implementar sus propios algoritmos personalizados: empaquete sus algoritmos personalizados con Docker de manera que pueda implementarlos o realizar la capacitación en SageMaker. Para saber cómo SageMaker interactúa con los contenedores de Docker y para ver los requisitos de SageMaker para las imágenes de Docker, consulteUso de contenedores Docker con SageMaker.

  6. Ver elReferencia de la API: esta sección describe las operaciones de la API de SageMaker.

Cómo funciona Amazon SageMaker

SageMaker es un servicio completamente administrado que le permite integrar de forma rápida y sencilla modelos basados en aprendizaje mecánico en sus aplicaciones. En esta sección se proporciona información general sobre el aprendizaje automático y se explica cómo funciona SageMaker. Si utiliza por primera vez SageMaker, le recomendamos que lea las siguientes secciones en orden: