Amazon SageMaker
Machine learning untuk setiap pengembang dan ilmuwan data.
Amazon SageMaker memberi setiap pengembang dan ilmuwan data kemampuan membangun, melatih, dan menerapkan model machine learning dengan cepat. Amazon SageMaker adalah layanan yang dikelola sepenuhnya, yang menangani seluruh alur kerja machine learning untuk melabeli dan mempersiapkan data Anda, memilih algoritme, melatih algoritme, menyetel dan mengoptimalkannya untuk penerapan, membuat prediksi, dan mengambil tindakan. Model Anda akan masuk ke tahap produksi lebih cepat dengan jauh lebih sedikit usaha dan biaya yang lebih rendah.
BANGUN
Kumpulkan & siapkan data pelatihan Anda
Pelabelan data & notebook internal untuk masalah umum
Pilih & optimalkan algoritme ML Anda
Pasar model & algoritme & algoritme bawaan berkinerja tinggi
LATIH
Atur & kelola lingkungan untuk pelatihan
Pelatihan sekali klik untuk infrastruktur dengan kinerja tertinggi
Latih & setel model
Latih sekali, jalankan di mana saja & optimalisasi model
TERAPKAN
Terapkan model dalam produksi
Penerapan sekali klik
Menskalakan & mengelola lingkungan produksi
Dikelola sepenuhnya dengan penskalaan otomatis kurang dari 75%
Pelanggan utama
Mengumpulkan dan mempersiapkan data pelatihan
Melabeli data pelatihan dengan cepat
Amazon SageMaker Ground Truth membantu Anda membangun dan mengelola kumpulan data pelatihan berakurasi tinggi dengan cepat. Ground Truth menawarkan akses mudah ke pelabel manusia umum dan pribadi serta memberi mereka alur kerja dan antarmuka internal untuk tugas pelabelan umum. Selain itu, Ground Truth akan belajar dari label manusia untuk membuat anotasi berkualitas tinggi dan otomatis guna mengurangi biaya pelabelan secara signifikan.
Pelajari selengkapnya »
Notebook yang di-host
Notebook Jupyter yang dikelola sepenuhnya dengan lusinan alur kerja internal dan
contoh yang memudahkan dalam menelusuri dan memvisualisasikan data pelatihan Anda.
Pilih dan optimalkan algoritme machine learning Anda
Amazon SageMaker secara otomatis mengonfigurasi dan mengoptimalkan TensorFlow, Apache MXNet, PyTorch, Chainer, Scikit-learn, SparkML, Horovod, Keras, dan Gluon. Biasanya algoritme machine learning yang digunakan adalah algoritme bawaan dan disetel untuk skala, kecepatan, dan akurasi dengan lebih dari ratusan model dan algoritme tambahan yang sebelumnya dilatih, yang tersedia di AWS Marketplace. Anda juga dapat menggunakan algoritme atau alur kerja lain dengan membangunnya ke dalam kontainer Docker.
Mengatur dan mengelola lingkungan pelatihan
Pelatihan sekali klik
Mulai melatih model Anda dengan sekali klik. Amazon SageMaker menangani semua infrastruktur dasar untuk meningkatkan skala kumpulan data berukuran petabita Anda dengan mudah.
Tempat terbaik untuk menjalankan TensorFlow
Optimalisasi TensorFlow AWS untuk menyediakan efisiensi penskalaan yang hampir linear di ratusan GPU untuk beroperasi pada skala cloud overhead pemrosesan untuk melatih model yang lebih akurat dan canggih dengan waktu yang jauh lebih singkat.
Efisiensi Penskalaan dengan 256 GPU
Setel dan optimalkan model Anda
Setel model Anda secara otomatis
Latih sekali, jalankan di mana saja
Amazon SageMaker Neo memungkinkan Anda melatih model satu kali, dan menerapkannya di mana saja. Menggunakan machine learning, SageMaker Neo secara otomatis akan mengoptimalkan model terlatih yang dibangun dengan kerangka kerja populer untuk platform perangkat keras yang Anda tentukan tanpa kehilangan akurasi. Lalu Anda dapat menerapkan model Anda ke instans EC2 dan instans SageMaker, atau perangkat apa pun di edge yang memiliki runtime Neo, termasuk perangkat AWS Greengrass.
Menerapkan dan mengelola model dalam produksi
Penerapan dengan satu klik ke produksi
Amazon SageMaker memudahkan penerapan model yang Anda latih dalam produksi dengan satu kali klik sehingga Anda dapat mulai membuat prediksi (proses yang disebut inferensi) untuk data real-time atau batch atau real-time. Model Anda pada berjalan pada klaster penskalaan otomatis dari instans Amazon SageMaker yang tersebar di beberapa availability zone untuk menghasilkan kinerja dan ketersediaan tinggi. Amazon SageMaker juga menyertakan kemampuan pengujian A/B bawaan untuk membantu Anda menguji model dan bereksperimen dengan berbagai versi untuk mencapai hasil terbaik.
Menjalankan model di edge
AWS Greengrass mempermudah dalam menerapkan model terlatih dengan Amazon SageMaker pada perangkat edge untuk menjalankan inferensi. Dengan AWS Greengrass, perangkat yang terhubung dapat menjalankan fungsi AWS Lambda, memastikan sinkronisasi data perangkat, dan berkomunikasi dengan perangkat lain secara aman–meskipun tidak terhubung dengan internet.
Kurangi biaya deep learning Anda hingga 75% menggunakan Amazon Elastic Inference untuk memasangkan GPU elastis ke instans Amazon SageMaker Anda dengan mudah. Untuk sebagian besar model, instans GPU lengkap terlalu besar untuk inferensi. Amazon Elastic Inference juga sulit mengoptimalkan kebutuhan GPU, CPU, dan memori aplikasi deep learning Anda dengan satu jenis instans. Elastic Inference memungkinkan Anda memilih jenis instans yang paling sesuai dengan seluruh kebutuhan CPU dan memori aplikasi Anda, kemudian secara terpisah mengonfigurasikan jumlah akselerasi GPU yang tepat, yang diperlukan untuk inferensi Anda.
SUPPORT
Kesuksesan pelanggan
“GE Healthcare mentransformasi layanan kesehatan dengan memberdayakan penyedia untuk memberikan hasil yang lebih baik. Kami melatih model visi komputer dalam Amazon SageMaker yang kemudian diterapkan dalam mesin MRI dan X-Ray kami. Dengan menerapkan teknik reinforcement learning, kami dapat mengurangi ukuran model terlatih serta mendapatkan keseimbangan yang tepat antara kompresi jaringan dan akurasi model. Amazon SageMaker RL memungkinkan kami bergerak dari gagasan ke implementasi dalam waktu kurang dari empat minggu dengan menghapus kompleksitas arus kerja RL yang sedang berjalan.”
"Di NFL, pengembangan metrik untuk penawaran Next Gen Stats lebih efisien dengan memanfaatkan teknologi AWS. Machine Learning dan komputasi lain yang dapat menghabiskan waktu berbulan-bulan untuk disesuaikan, sekarang membutuhkan waktu dalam hitungan minggu atau hari, memungkinkan kita untuk terlibat, menyajikan informasi dan membangkitkan semangat para penggemar dengan cara yang baru dan unik."
"Di balik setiap geseran Tinder adalah sistem yang mengelola jutaan permintaan setiap menit, miliaran geseran sehari, di lebih dari 190 negara. Amazon SageMaker menyederhanakan machine learning, membantu tim pengembangan kami dalam membuat model untuk prediksi yang menciptakan koneksi baru yang sebelumnya tidak memungkinkan untuk dilakukan."
"Dengan Amazon SageMaker, kami dapat mempercepat inisiatif Artificial Intelligence kami dalam skala besar dengan membangun dan menerapkan algoritme kami dalam platform. Kami akan membuat machine learning serta algoritme AI berskala besar yang baru dan menerapkannya pada platform ini untuk memecahkan masalah rumit yang dapat memberi kemampuan yang hebat bagi pelanggan kami."
“Amazon SageMaker RL membuat reinforcement learning menjadi mudah, dapat diskalakan, dan terjangkau. Kami mendesain protein dengan mengembangkan alat mutakhir untuk penemuan dan optimalisasi enzim, yang dengan demikian, membuat manufaktur kimia juga semakin murah dan ramah lingkungan. Dengan Amazon SageMaker RL, kami dapat menggunakan berbagai klaster dengan jenis instans yang berbeda untuk melatih dan menjalankan simulasi yang memberikan efisiensi dalam proses pengembangan dan secara signifikan mengurangi biaya menjalankan alur kerja RL. Dengan kemampuan tersebut, kami dapat memperluas kemungkinan dengan reinforcement learning multiagen.”
"Di Hotels.com, kami selalu tertarik untuk bergerak lebih cepat, untuk memanfaatkan teknologi termutakhir dan tetap inovatif. Dengan Amazon SageMaker, pelatihan yang didistribusikan, algoritme yang dioptimalkan, dan fitur hiperparameter bawaan diharapkan dapat membuat tim saya membangun model yang lebih akurat secara cepat pada rangkaian data terbesar kami, mengurangi banyaknya waktu yang diperlukan bagi kami untuk beralih dari model ke produksi. Hanya berupa panggilan API. Amazon SageMaker akan mengurangi kompleksitas machine learning, yang memungkinkan kami menciptakan pengalaman yang lebih baik dan cepat bagi pelanggan kami."
Matt Frye, VP dan Chief Data Science Officer di Hotels.com dan Expedia Affiliate Network
"Memadukan machine learning ke dalam sistem dan praktik kami adalah cara yang bagus untuk memahami permainan ke tingkat yang baru bagi penggemar dan 30 klub kami. Kami memilih AWS karena keahliannya yang kuat, mendalam, dan terbukti dalam memberikan layanan machine learning untuk menciptakan peluang baru guna berbagi metrik yang belum pernah dilihat sebelumnya.”
Jason Gaedtke, Chief Technology Officer, Major League Baseball
Buat yang baru dengan reinforcement learning yang dikelola sepenuhnya
Gunakan reinforcement learning (RL) untuk membangun model canggih yang dapat mencapai hasil tertentu tanpa perlu data pelatihan yang telah diberi label. RL berguna untuk situasi yang tidak memiliki jawaban “benar” untuk dipelajari, tetapi terdapat hasil optimal seperti belajar mengemudikan mobil atau membuat perdagangan finansial yang positif. Sebagai ganti melihat data riwayat, algoritme RL belajar dengan bertindak dalam simulator di mana hadiah dan penalti membantu mengarahkan model ke perilaku yang diinginkan.
Amazon SageMaker RL mencakup algoritme RL bawaan dan dikelola sepenuhnya. SageMaker mendukung RL dalam beberapa kerangka kerja, termasuk TensorFlow dan MXNet, serta kerangka kerja yang dikembangkan khusus, yang dirancang dari awal untuk reinforcement learning, seperti Intel Coach, dan Ray RLlib.
Amazon SageMaker RL juga mendukung beberapa lingkungan RL, termasuk lingkungan fisik 2D dan 3D penuh, lingkungan simulasi komersial seperti MATLAB dan Simulink, serta apa pun yang mendukung antarmuka OpenAI Gym sumber terbuka, termasuk lingkungan yang dikembangkan khusus. Selain itu, SageMaker RL akan memungkinkan Anda berlatih menggunakan lingkungan 3D virtual yang dibangun dalam Amazon Sumerian dan AWS RoboMaker. Ini berarti Anda dapat membuat model apa pun dari sistem periklanan dan finansial hingga kontrol industri, robotika, dan kendaraan tanpa pengemudi.
Terbuka dan fleksibel
Machine learning sesuai keinginan Anda
Teknologi machine learning bergerak cepat, dan Anda harus tetap fleksibel dengan akses ke banyak kumpulan kerangka kerja dan alat. Dengan Amazon SageMaker, Anda dapat menggunakan kontainer bawaan untuk kerangka kerja populer atau menggunakan kerangka kerja pilihan Anda. Mana pun yang Anda pilih, Amazon SageMaker akan mengelola sepenuhnya infrastruktur dasar yang diperlukan untuk membangun, melatih, dan menerapkan model Anda.
Kinerja edge yang lebih baik
Kemampuan SageMaker Neo juga tersedia untuk setiap pengembang melalui sumber terbuka proyek Neo. Kami percaya bahwa memungkinkan semua orang menjalankan model di mana pun adalah langkah penting dalam memungkinkan machine learning mewujudkan semua potensi. Dengan berkontribusi pada upaya sumber terbuka, para vendor perangkat keras dapat meningkatkan Neo dengan optimalisasi baru dan meningkatkan keseluruhan ekosistem perangkat keras untuk machine learning.
SageMaker sempurna untuk alur kerja Anda
Di balik layar, Amazon SageMaker dibuat dari komponen terpisah: Ground Truth, Notebooks, Training, Neo, dan Hosting. Komponen ini dirancang untuk bekerja bersama untuk menyediakan layanan machine learning menyeluruh. Meski demikian, komponen ini juga dapat digunakan secara terpisah untuk melengkapi alur kerja machine learning yang ada atau untuk mendukung model yang berjalan di pusat data Anda atau di edge.
Belajar dan berakselerasi
AWS DeepRacer
Mobil balap skala 1/18 yang sepenuhnya otonom dan dilengkapi dengan semua kebutuhan Anda untuk mempelajari tentang reinforcement learning melalui berkendara otonom.
AWS DeepLens
Mempelajari penglihatan komputer melalui proyek, tutorial, dan eksplorasi nyata dan praktis menggunakan kamera video dengan deep learning pertama di dunia untuk pengembang.
Pelatihan & Sertifikasi AWS Machine Learning
AWS Machine Learning University. Mata kuliah terstruktur untuk machine learning berdasarkan materi yang sama yang digunakan untuk melatih pengembang Amazon melalui kombinasi pengetahuan dasar dan pengaplikasian di dunia nyata.
Amazon ML Solutions Lab
Amazon ML Solutions Lab memasangkan tim Anda dengan pakar machine learning dari Amazon. Solusi ini menggabungkan lokakarya pendidikan langsung dengan sesi brainstorming dan layanan profesional penasehat untuk membantu Anda 'bekerja mundur' dari tantangan bisnis, kemudian mengambil langkah demi langkah melalui proses membawa model ke dalam produksi. Setelah itu, Anda bisa memanfaatkan apa yang telah Anda pelajari dan menggunakannya di bagian lain dalam organisasi Anda untuk mengejar peluang lain.