亚马逊 SageMaker 功能

AAA SageMaker AAAAAAAAAA

re: Invent 2022 的新功能

SageMaker 包括 re: Invent 2022 的以下新功能。

SageMaker 地理空间能力

使用地理空间数据构建、训练和部署 ML 模型。

SageMaker 模型卡

将有关 ML 模型的信息记录在一个地方，以简化整个 ML 生命周期的管理和报告。

SageMaker 模型仪表板

账户中所有模型的预建可视化概览。模型仪表板集成了来自 SageMaker 模型监视器、转换任务、端点、世系跟踪等的信息， CloudWatch 因此您可以在一个统一视图中访问高级模型信息并跟踪模型性能。

SageMaker 角色管理器

管理员可以使用自定义和预先配置的基于角色的 IAM 角色为常见 ML 活动定义最低权限权限。

AutoML 步骤

创建 AutoML 作业以在 SageMaker 流水线中自动训练模型。

与共享空间协作

共享空间由共享 JupyterServer 应用程序和共享目录组成。域中的所有用户配置文件都可以访问域中的所有共享空间。

Data Wrangler 数据准备控件

与您的数据交互、获得可视化效果、探索可操作的见解并修复数据质量问题。

推理阴影测试

通过将模型服务基础架构的性能与当前部署的基础架构进行比较，评估模型服务基础架构的任何更改。

基于笔记本的工作流程

将您的 SageMaker Studio 笔记本作为非交互式的定时作业运行。

工作室 Git 扩展

一个 Git 扩展，用于输入 Git 存储库的 URL，将其克隆到您的环境中，推送更改并查看提交历史记录。

机器学习环境

SageMaker 包括以下机器学习环境。

SageMaker 工作室

一体式机器学习环境，您可以在同一应用程序中构建、训练、部署和分析模型。

SageMaker 工作室实验室

一项免费服务，允许客户在基于开源的环境中访问AWS计算资源 JupyterLab。

SageMaker 帆布

一项auto 机器学习服务，使没有编码经验的人能够构建模型并使用它们进行预测。

亚马逊上的 rStudio SageMaker

R 的集成开发环境，具有控制台、支持直接代码执行的语法突出显示编辑器以及用于绘图、历史记录、调试和工作区管理的工具。

主要功能

SageMaker 包括以下按字母顺序排列的主要功能，不包括任何 SageMaker前缀。

Amazon Augmented AI

构建人工审查 ML 预测所需的工作流程。Amazon A2I 为所有开发人员提供人工审查，从而消除了与构建人工审查系统或管理大量人工审阅者相关的无差别繁重工作。

SageMaker 自动驾驶仪

不了解机器学习的用户可以快速构建分类和回归模型。

批量转换

预处理数据集，在不需要持久终端节点时运行推理，并将输入记录与推理相关联，以帮助解释结果。

SageMaker 澄清

通过检测潜在偏差来改进您的机器学习模型，并帮助解释模型做出的预测。

SageMaker Data Wrangler

在 SageMaker Studio 中导入、分析、准备和功能化数据。您可以将 Data Wrangler 集成到您的机器学习工作流程中，以简化和简化数据预处理和特征工程，几乎无需编码。您还可以添加自己的 Python 脚本和转换来自定义数据准备工作流程。

SageMaker 调试器

在整个训练过程中检查训练参数和数据。自动检测常见错误并向用户发出警报，例如参数值变得太大或太小。

SageMaker 边缘经理

优化边缘设备的自定义模型，创建和管理队列，并在高效的运行时运行模型。

SageMaker Elastic Inference

提高吞吐量并减少获取实时推理的延迟。

SageMaker 实验

实验管理和跟踪。您可以使用跟踪的数据重新构建实验，在对等方进行的实验基础上逐步构建，并跟踪模型谱系以进行合规性和审核验证。

SageMaker 功能商店

集中存储功能和相关元数据，因此可以轻松发现和重复使用功能。您可以创建两种类型的商店：在线商店或离线商店。在线商店可用于低延迟的实时推理用例，离线商店可用于训练和批量推理。

SageMaker Ground Truth

高质量的训练数据集，它们通过使用工作人员和机器学习来创建标记数据集。

SageMaker 大Ground Truth 增强版

一站式数据标注功能，可创建高质量的训练数据集，无需自行构建标签应用程序和管理标签工作人员。

SageMaker 推理推荐器

获取有关推理实例类型和配置（例如实例数、容器参数和模型优化）的建议，以使用您的机器学习模型和工作负载。

SageMaker JumpStart

通过精选的一键式解决方案、示例笔记本和可以部署的预训练模型，了解 SageMaker 特性和功能。您也可以微调模型并进行部署。

SageMaker ML 世系追踪

追踪机器学习工作流程的沿革。

SageMaker 以下管道

创建和管理直接与 SageMaker 作业集成的机器学习流水线。

SageMaker 模型监视器

监控和分析生产中的模型（终端节点），以检测数据偏差和模型质量偏差。

SageMaker 模型注册表

版本控制、工件和世系跟踪、批准工作流程以及对部署机器学习模型的跨账户支持。

SageMaker Neo

训练机器学习模型一次，然后在云端和边缘的任何位置运行。

预处理

分析和预处理数据、处理特征工程和评估模型。

SageMaker 项目

使用 SageMaker 项目使用 CI/CD 创建 end-to-end ML 解决方案。

强化学习

代理通过其操作获得最大化的长期奖励。

SageMaker 无服务器端点

用于托管 ML 模型的无服务器端点选项。自动扩展容量以服务您的终端节点流量。无需在终端节点上选择实例类型或管理扩展策略。

SageMaker 工作室笔记本电脑

下一代 SageMaker 笔记本电脑包括AWS IAM Identity Center（IAM Identity Center）集成、快速启动和一键共享。

SageMaker 工作室笔记本电脑和亚马逊 EMR

直接从 SageMaker Studio 通过单账户和跨账户配置轻松发现、连接、创建、终止和管理 Amazon EMR 集群。

SageMaker 训练编译器

在由管理的可扩展 GPU 实例上更快地训练深度学习模型 SageMaker。