Qu'est-ce qu'Amazon SageMaker ? - Amazon SageMaker

Qu'est-ce qu'Amazon SageMaker ?

Amazon SageMaker est un service de machine learning entièrement géré. Avec SageMaker, les scientifiques des données et les développeurs peuvent développer et entraîner des modèles de machine learning rapidement et facilement, puis les déployer directement dans un environnement hébergé prêt pour la production. Ce service fournit une instance de bloc-notes intégré à Jupyter pour accéder facilement à vos sources de données à des fins d'exploration et d'analyse. Ainsi, vous n'avez pas de serveur à gérer. Il fournit également des algorithmes de Machine Learning courants, optimisés pour s'exécuter efficacement avec des données de très grande taille dans un environnement distribué. Avec une prise en charge native de vos infrastructures et algorithmes existants, SageMaker offre des options de formation distribuées et flexibles, qui s'adaptent à vos flux de travail spécifiques. Déployez un modèle dans un environnement sécurisé et évolutif en le lançant en quelques clics depuis SageMaker Studio ou la console SageMaker. L'entraînement et l'hébergement sont facturés à la minute d'utilisation, sans montant minimum ni engagements initiaux.

Ce guide contient des informations et des didacticiels sur les fonctions SageMaker. Pour de plus amples informations, veuillez consulter Amazon SageMaker developer resources (Ressources Amazon SageMaker pour les développeurs).

Rubriques

Fonctions d'Amazon SageMaker

Amazon SageMaker comprend les fonctions suivantes :

SageMaker Studio

Environnement de machine learning intégré qui vous permet de générer, entraîner, déployer et analyser vos modèles dans la même application.

SageMaker Model Registry

Gestion des versions, suivi des artefacts et de la lignée, flux d'approbation et prise en charge inter-compte pour le déploiement de vos modèles de machine learning.

SageMaker Projects

Créez des solutions de ML de bout en bout avec CI/CD à l'aide de SageMaker Projects.

SageMaker Model Building Pipelines

Créez et gérez des pipelines de machine learning intégrés directement aux tâches SageMaker.

SageMaker ML Lineage Tracking

Suivez la lignée des flux de machine learning.

SageMaker Data Wrangler

Importez, analysez, préparez et caractérisez les données dans SageMaker Studio. Vous pouvez intégrer Data Wrangler à vos flux de machine learning afin de simplifier et rationaliser le prétraitement des données et l'ingénierie des fonctionnalités avec peu ou pas de codage. Vous pouvez également ajouter vos propres scripts et transformations Python afin de personnaliser votre flux de préparation des données.

SageMaker Feature Store

Une boutique centralisée pour les fonctions et les métadonnées associées, qui facilite la découverte et la réutilisation des fonctions. Vous pouvez créer deux types de boutiques, en ligne ou hors ligne. La boutique en ligne peut être utilisée pour les cas d'utilisation d'inférence en temps réel à faible latence, et la boutique hors ligne peut être utilisée pour les cas d'utilisation d'entraînement et d'inférence par lots.

SageMaker JumpStart

Découvrez les fonctions et les capacités de SageMaker grâce à des solutions en 1 clic organisées, des exemples de blocs-notes et des modèles pré-entraînés que vous pouvez déployer. Vous pouvez également affiner les modèles et les déployer.

SageMaker Clarify

Améliorez vos modèles de machine learning en détectant le biais potentiel et en expliquant les prédictions réalisées par les modèles.

SageMaker Edge Manager

Optimisez les modèles personnalisés pour les appareils en périphérie, créez et gérez des flottes, et exécutez des modèles avec un runtime efficace.

SageMaker Ground Truth

Entraînement de haute qualité des jeux de données à l'aide de travailleurs et du machine learning dans le but de créer des jeux de données étiquetés.

Amazon Augmented AI

Créez les flux requis pour la vérification humaine des prédictions ML. Amazon A2I offre à tous les développeurs une capacité de vérification humaine des prédictions ML, sans la charge lourde non différenciée associée à la création de systèmes de vérification humaine ou la gestion d'un grand nombre de vérificateurs humains.

SageMaker Studio Notebooks

La nouvelle génération de blocs-notes SageMaker incluant l'intégration AWS Single Sign-On (AWS SSO), les temps de démarrage rapide et le partage en un clic.

SageMaker Experiments

Gestion et suivi des expériences. Vous pouvez utiliser les données suivies pour reconstruire une expérience, construire progressivement sur des expériences menées par des pairs et suivre la lignée des modèles pour des vérifications de conformité et d'audit.

SageMaker Debugger

Inspecter les paramètres et les données d'entraînement tout au long du processus d'entraînement. Détectez et alertez automatiquement les utilisateurs en cas d'erreurs courantes telles que des valeurs de paramètres qui deviennent trop grandes ou trop petites.

SageMaker Autopilot

Les utilisateurs qui ne connaissent pas le machine learning peuvent rapidement construire des modèles de classification et de régression.

Amazon SageMaker Model Monitor

Surveillez et analysez les modèles en production (points de terminaison) pour détecter une dérive des données et des écarts dans la qualité des modèles.

SageMaker Neo

Entraînez une fois des modèles Machine Learning, puis exécutez-les n'importe où dans le cloud et en périphérie.

SageMaker Elastic Inference

Accélérez le débit et réduisez la latence de l'obtention d'inférences en temps réel.

Apprentissage par renforcement

Augmentez au maximum la récompense à long terme qu'un agent reçoit en raison de ses actions.

Prétraitement

Analysez et prétraitez les données, embrassez l'ingénierie des fonctionnalités et évaluez les modèles.

Transformation par lots

Prétraitez les jeux de données, exécutez l'inférence lorsque vous n'avez pas besoin d'un point de terminaison persistant et associez les enregistrements d'entrée à des inférences pour faciliter l'interprétation des résultats.

Tarification Amazon SageMaker

Comme pour les autres produits AWS, l'utilisation d'Amazon SageMaker ne requiert ni contrat ni engagement minimum. Pour de plus amples informations sur le coût d'utilisation de SageMaker, veuillez consulter SageMaker Pricing (Tarification SageMaker).

Vous utilisez Amazon SageMaker pour la première fois ?

Si vous utilisez SageMaker pour la première fois, nous vous recommandons de procéder comme indiqué ci-dessous :

  1. Lisez Fonctionnement d'Amazon SageMaker : cette section présente SageMaker, en explique les concepts clés et décrit les principaux éléments impliqués dans la création de solutions IA avec SageMaker. Nous vous recommandons de lire cette rubrique dans l'ordre présenté.

  2. Configurer les prérequis Amazon SageMaker : cette section explique comment configurer votre compte AWS.

  3. Amazon SageMaker Autopilot simplifie l'expérience de machine learning en automatisant les tâches de machine learning. Si vous utilisez SageMaker pour la première fois, sachez qu'il fournit le chemin d'apprentissage le plus simple. Il est également un excellent outil d'apprentissage du ML qui fournit une visibilité sur le code avec des blocs-notes générés pour chacune des tâches ML automatisées. Pour obtenir une présentation de ses capacités, veuillez consulter Automatiser le développement de modèles avec Amazon SageMaker Autopilot. Pour commencer à créer, entraîner et déployer des modèles de machine learning, Autopilot met à votre disposition les éléments suivants :

  4. Mise en route avec Amazon SageMaker – cette section vous guide tout au long de l'entraînement de votre premier modèle à l'aide de SageMaker Studio, ou de la console SageMaker et de l'API SageMaker. Vous utilisez des algorithmes d'entraînement fournis par SageMaker.

  5. Découvrez d'autres rubriques – En fonction de vos besoins, procédez de la façon suivante :

  6. Consulter la référence de l'API : cette section décrit les opérations de l'API SageMaker.

Fonctionnement d'Amazon SageMaker

SageMaker est un service entièrement géré qui vous permet d'intégrer rapidement et facilement des modèles basés sur le machine learning dans vos applications. Cette section présente le machine learning et explique le fonctionnement de SageMaker. Si vous utilisez SageMaker pour la première fois, nous vous recommandons de lire les sections suivantes dans l'ordre :