本文属于机器翻译版本。若本译文内容与英语原文存在差异，则一律以英文原文为准。
什么是 Amazon SageMaker？
亚马逊SageMaker是一种完全托管的机器学习服务。借助 SageMaker，数据科学家和开发人员可以快速、轻松地构建和训练机器学习模型，然后直接将模型部署到生产就绪托管环境中。它提供了一个集成的 Jupyter 编写 Notebook 实例，供您轻松访问数据源以便进行探索和分析，因此您无需管理服务器。此外，它还可以提供常见的机器学习算法，这些算法经过了优化，可以在分布式环境中高效处理非常大的数据。借助对bring-your-own-algorithms和框架的本地支持，SageMaker提供灵活的分布式训练选项，可根据您的特定工作流程进行调整。可以从 SageMaker Studio 或 SageMaker 控制台中单击几下鼠标按钮以启动模型，以将该模型部署到安全且可扩展的环境中。
本指南包括关于 SageMaker 功能的信息和教程。有关更多信息，请参阅亚马逊SageMaker开发者资源
主题
亚马逊SageMaker定价
与其他AWS产品一样，使用亚马逊没有合同或最低承诺SageMaker。训练和托管按使用分钟数计费，没有最低费用，也不需要前期承诺。有关 SageMaker 的使用成本的更多信息，请参阅 SageMaker 定价
您是亚马逊的首次用户SageMaker吗？
如果您是首次接触 SageMaker 的用户，我们建议您执行以下操作：
-
阅读 亚马逊的SageMaker运作方式 — 本节概述了SageMaker、解释了关键概念，并描述了构建 AI 解决方案所涉及的核心组件SageMaker。我们建议您按所呈现的顺序阅读本主题。
-
设置亚马逊SageMaker先决条件— 本节介绍如何设置您的AWS帐户。
-
Amazon A SageMaker utopilot 通过自动执行机器学习任务来简化机器学习体验。如果您不熟悉 SageMaker，它提供了最简单的学习路径。它还是一款出色的机器学习工具，可通过为每项自动机器学习任务生成的笔记本来查看代码。有关其功能的简介，请参阅使用亚马逊自动SageMaker驾驶仪自动进行模型开发。为了开始构建、训练和部署机器学习模型，Autopilot 提供：
-
开始使用— 本部分将引导您使用 SageMaker Studio 或SageMaker控制台和 SageMaker API 训练您的第一个模型。您可以使用 SageMaker 提供的训练算法。
-
探索其他主题 – 根据您的需求，执行以下操作：
-
提交 Python 代码以使用深度学习框架进行训练 — 在中SageMaker，您可以使用自己的训练脚本来训练模型。有关信息，请参阅 机器学习框架和语言。
-
直接从 Apache Spark 使用 SageMaker – 有关信息，请参阅 在亚马逊上使用 Apache Spark SageMaker。
-
SageMaker用于训练和部署您自己的自定义算法 — 使用 Docker 打包您的自定义算法，以便您可以训练和/或部署它们。SageMaker要了解如何与 Docker 容器SageMaker交互以及 Docker 镜像的SageMaker要求，请参阅。使用 Docker 容器构建模型
-
-
查看 API 参考-本节介绍了 SageMaker API 操作。
亚马逊的SageMaker运作方式
SageMaker 是一项完全托管的服务，可让您快速、轻松地将基于机器学习的模型集成到您的应用程序中。本节概括介绍了机器学习并解释了 SageMaker 的工作原理。如果您是首次接触 SageMaker 的用户，我们建议您按顺序阅读以下内容：
