Mise en route
Intégrez le rôle et le domaine Amazon SageMaker AI.
Automatisation et environnements
Travailler avec des données
Étiqueter les données avec une intervention humaine dans la boucle
Découvrez comment utiliser une intervention humaine dans la boucle pour étiqueter les données avec plus de précision.
Préparer les données
Découvrez comment préparer les données pour le machine learning.
Données de processus
Découvrez comment traiter les données pour le machine learning.
Création, stockage et partage de fonctionnalités
Découvrez comment créer, stocker et partager des signaux de données extraits (fonctionnalités) pour le machine learning.
Travailler avec des modèles
Entraîner des modèles
Découvrez comment entraîner vos modèles de machine learning.
Déployer des modèles pour inférence
Découvrez comment déployer vos modèles de machine learning pour inférence.
Mettre en œuvre les MLOps
Découvrez comment mettre en œuvre des opérations de machine learning sur Amazon SageMaker AI.
Surveiller la qualité des données et des modèles
Découvrez comment surveiller la qualité des données et des modèles.
Utiliser des conteneurs Docker pour créer des modèles
Découvrez comment utiliser des conteneurs Docker pour créer vos modèles de machine learning.
IA responsable
Détecter les biais et comprendre les explications
Découvrez comment détecter les biais et comprendre les explications des modèles d'apprentissage automatique.
Utiliser la gouvernance
Découvrez comment utiliser la gouvernance pour documenter et suivre les performances des modèles.
Configurer la sécurité dans Amazon SageMaker AI
Découvrez comment sécuriser les ressources dans Amazon SageMaker AI.
Référence
Référence d'API
Décrit en détail toutes les opérations d'API pour Amazon SageMaker AI.
Amazon SageMaker AI Python SDK
La bibliothèque Amazon SageMaker AI Python SDK vous permet de former et de déployer des modèles à l'aide d'infrastructures et d'algorithmes de deep learning connus.
AWS SDK pour Python (Boto3)
Le kit AWS SDK pour Python (Boto3) vous permet de mettre en forme des modèles de données et de créer des applications afin de créer, former et déployer des modèles de Machine Learning.