Produk machine learning

Sebagai penjual, Anda dapat menggunakannya AWS Marketplace untuk membuat algoritma dan model pembelajaran mesin (ML) yang dapat digunakan pembeli Anda. AWS Ada dua jenis SageMaker produk Amazon yang tercantum di AWS Marketplace:

Paket model

Model pra-terlatih untuk membuat prediksi yang tidak memerlukan pelatihan lebih lanjut oleh pembeli.

Algoritme

Model yang mengharuskan pembeli untuk menyediakan data pelatihan sebelum membuat prediksi. Algoritma pelatihan disertakan.

Produk-produk ini tersedia untuk pembeli melalui SageMaker konsol Amazon atau AWS Marketplace. Pembeli dapat meninjau deskripsi produk, dokumentasi, ulasan pelanggan, harga, dan informasi dukungan. Ketika mereka berlangganan produk paket model atau produk algoritme, itu ditambahkan ke daftar produk mereka di SageMaker konsol. Pembeli juga dapat menggunakan AWS SDK, the AWS Command Line Interface (AWS CLI), atau SageMaker konsol untuk membuat titik akhir inferensi REST yang dikelola sepenuhnya atau melakukan inferensi pada kumpulan data.

Untuk dukungan dalam membuat produk pembelajaran mesin dengan Amazon SageMaker, hubungi tim Operasi AWS Marketplace Penjual.

Memulai dengan produk pembelajaran mesin

AWS Marketplace mendukung dua jenis produk pembelajaran mesin, menggunakan Amazon SageMaker. Kedua jenis, produk paket model dan produk algoritme, menghasilkan model inferensi yang dapat diterapkan untuk membuat prediksi.

SageMaker model paket

Produk paket SageMaker model Amazon berisi model yang telah dilatih sebelumnya. Model pra-terlatih dapat digunakan SageMaker untuk membuat kesimpulan atau prediksi secara real time atau dalam batch. Produk ini berisi komponen inferensi terlatih dengan artefak model, jika ada. Sebagai penjual, Anda dapat melatih model menggunakan SageMaker atau membawa model Anda sendiri.

SageMaker algoritma

Pembeli dapat menggunakan produk SageMakeralgoritme untuk melakukan beban kerja pembelajaran mesin yang lengkap. Produk algoritma memiliki dua komponen logis: pelatihan dan inferensi. Di SageMaker, pembeli menggunakan kumpulan data mereka sendiri untuk membuat pekerjaan pelatihan dengan komponen pelatihan Anda. Ketika algoritma dalam komponen pelatihan Anda selesai, itu menghasilkan artefak model model pembelajaran mesin. SageMaker menyimpan artefak model di bucket Amazon Simple Storage Service (Amazon S3) pembeli. Di SageMaker, pembeli kemudian dapat menyebarkan komponen inferensi Anda bersama dengan artefak model yang dihasilkan untuk melakukan inferensi (atau prediksi) secara real time atau dalam batch.

Menerapkan model inferensi

Apakah model inferensi dibuat dari paket model atau algoritma, ada dua metode untuk menerapkannya:

• Endpoint — Metode ini digunakan SageMaker untuk menyebarkan model dan membuat titik akhir API. Pembeli dapat menggunakan endpoint ini sebagai bagian dari layanan backend mereka untuk memberi daya pada aplikasi mereka. Saat data dikirim ke titik akhir, SageMaker meneruskannya ke wadah model dan mengembalikan hasilnya dalam respons API. Titik akhir dan kontainer terus berjalan hingga dihentikan oleh pembeli.

  catatan

  Dalam AWS Marketplace, metode endpoint disebut sebagai inferensi real-time, dan dalam SageMaker dokumentasi, itu disebut sebagai layanan hosting. Untuk informasi selengkapnya, lihat Menerapkan Model di Amazon SageMaker.

• Pekerjaan transformasi Batch — Dalam metode ini, pembeli menyimpan kumpulan data untuk inferensi di Amazon S3. Saat pekerjaan transformasi batch dimulai, SageMaker menerapkan model, meneruskan data dari bucket S3 ke wadah model, lalu mengembalikan hasilnya ke bucket S3. Ketika pekerjaan selesai, SageMaker hentikan pekerjaan. Untuk informasi selengkapnya, lihat Mendapatkan Inferensi untuk Seluruh Dataset dengan Transformasi Batch.

  catatan

  Kedua metode transparan untuk model karena SageMaker meneruskan data ke model dan mengembalikan hasil kepada pembeli.