Amazon SageMaker
Her geliştirici ve veri bilimcisi için makine öğrenimi.
Amazon SageMaker, her geliştiriciye ve veri bilimcisine makine öğrenimi modellerini hızla geliştirme, eğitme ve dağıtma kabiliyeti sunar. Amazon SageMaker; verilerinizi etiketleme ve hazırlama, algoritma seçme, modeli eğitme, dağıtım için ayarlayıp optimize etme, tahmin yapma ve harekete geçme dahil olmak üzere makine öğrenimi iş akışının tümünü kapsayan, tam olarak yönetilen bir hizmettir. Modelleriniz, üretim ortamına çok daha az çalışmayla ve düşük maliyetle daha hızlı bir şekilde ulaşır.
OLUŞTURMA
Eğitim verilerini toplama ve hazırlama
Veri etiketleme ve sık karşılaşılan sorunlar için önceden oluşturulmuş not defterleri
ML algoritmanızı seçme ve optimize etme
Model ve algoritma marketinin yanı sıra yerleşik, yüksek performanslı algoritmalar
EĞİTME
Eğitime yönelik ortamları kurma ve yönetme
En yüksek performanslı altyapıda tek tıklamayla eğitim
Model eğitme ve ayarlama
Bir defa eğitip her yerde çalıştırma ve model optimizasyonu
DAĞITMA
Modeli üretim ortamında dağıtma
Tek tıklamayla dağıtım
Üretim ortamını ölçeklendirme ve yönetme
Tam olarak yönetilen, %75 veya daha düşük düzeyde otomatik ölçeklendirme
Öne çıkan müşteriler
Eğitim verilerini toplama ve hazırlama
Eğitim verilerini hızla etiketleme
Amazon SageMaker Ground Truth, yüksek doğruluk oranına sahip eğitim verisi kümelerini hızla oluşturmanıza ve yönetmenize yardımcı olur. Ground Truth, şirketinizde çalışan veya dışarıdan destek aldığınız etiketleme sorumlularına kolay erişim sağlamasının yanı sıra yaygın etiketleme görevleri için yerleşik iş akışları ve arabirimler sunar. Ground Truth, aynı zamanda insanların hazırladığı etiketleri öğrenip yüksek kaliteli, otomatik açıklamalar oluşturarak etiketleme maliyetlerini ciddi anlamda düşürür.
Daha fazla bilgi edinin »
Barındırılan not defterleri
Verilerinizi keşfedip görselleştirmek ve modelinizi geliştirmek için bulutta kullanabileceğiniz veya yerel ortamınızdan getirebileceğiniz tam olarak yönetilen Jupyter not defterleri. İsterseniz sıfırdan başlayabilir, isterseniz önceden oluşturulmuş onlarca not defterini hazır haliyle kullanabilir veya eğitim verilerinizi hızlı bir şekilde keşfedip görselleştirmeyi kolaylaştırmak için not defterlerini ihtiyaçlarınıza uygun olarak değiştirebilirsiniz. Öneriler ve kişiselleştirme, dolandırıcılık algılama, tahmin, görüntü sınıflandırma, müşteri kaybı tahmini, müşteri hedefleme, günlük işleme, anomali algılama ve konuşmayı metne dönüştürme gibi sık karşılaşılan birçok sorun için çözümler bulunmaktadır.
Daha fazla bilgi edinin »
Makine öğrenimi algoritmanızı seçme ve optimize etme
Amazon SageMaker; TensorFlow, Apache MXNet, PyTorch, Chainer, Scikit-learn, SparkML, Horovod, Keras ve Gluon’u otomatik olarak yapılandırır ve optimize eder. Sık kullanılan makine öğrenimi algoritmaları yerleşik olarak bulunur ve ölçek, hız ve doğruluk açısından ayarlanır. Buna ek olarak, AWS Marketplace içinde 200’den fazla önceden eğitilmiş model ve algoritma bulunmaktadır. Ayrıca istediğiniz başka bir algoritmayı ve framework’ü, bir Docker container’ının içinde oluşturarak içeri aktarabilirsiniz.
Eğitim ortamlarını kurma ve yönetme
Tek tıklamayla eğitim
Modelinizi tek bir tıklamayla eğitmeye başlayın. Amazon SageMaker, ölçeğin petabayt boyutundaki veri kümeleriyle başa çıkabilecek şekilde kolayca büyütülmesi için gereken temel altyapıyı sağlar.
Bulutta en hızlı dağıtılan makine öğrenimi.
Amazon EC2 P3 bulut sunucuları, 8 adet NVIDIA Tesla GPU sağlar.
AVX-512 yönergelerine sahip 64 adet ölçeklendi̇ri̇lebi̇li̇r Intel Xeon Skylake vCPU
25 Gb/sn. ağ aktarım hızı
GPU başına 16 GB bellek
TensorFlow çalıştırmak için en uygun ortam
AWS TensorFlow optimizasyonları, çok daha kısa sürede daha doğru ve daha sofistike modeller eğitmenin getireceği işlem yükünden çok daha az bir yükle, yüzlerce GPU’nun bulut ölçeğinde çalışması için neredeyse doğrudan ölçeklendirme verimliliği sağlar.
Tam olarak yönetilen eğitim ve barındırma
Yüzlerce GPU üzerinde neredeyse doğrudan ölçeklendi̇rme
%75 daha düşük çıkarım maliyeti
256 GPU ile Ölçeklendirme Verimliliği
Modelinizi ayarlama ve optimize etme
Modelinizi otomatik olarak ayarlama
Bir defa eğitip her yerde çalıştırma
Amazon SageMaker Neo, modelinizi bir defa eğitip istediğiniz yere dağıtmanıza olanak tanır. Makine öğrenimini kullanan SageMaker Neo, popüler bir framework ile geliştirilen her türlü eğitilmiş modeli, doğruluk oranında en küçük bir kayıp olmadan, belirttiğiniz donanım platformu için optimize eder. Ardından, modelinizi EC2 bulut sunucularına, SageMaker bulut sunucularına veya AWS Greengrass cihazları dahil olmak üzere Neo çalışma zamanını içeren, uçtaki herhangi bir cihaza dağıtabilirsiniz.
Üretim ortamında model dağıtma ve yönetme
Üretim ortamına tek tıkla dağıtma
Amazon SageMaker, eğitilmiş modelinizi üretim ortamında tek tıkla kolayca dağıtarak gerçek zamanlı verilerle veya toplu verilerle tahmin oluşturmaya başlamanızı (çıkarsama süreci) kolaylaştırır. Modeliniz, hem yüksek performans hem de yüksek oranda erişilebilirlik sağlamak üzere birden fazla erişilebilirlik alanına dağıtılmış olan ve otomatik olarak ölçeklendirilen Amazon SageMaker makine öğrenimi bulut sunucuları üzerinde çalışır. Amazon SageMaker, aynı zamanda en iyi sonuçlara ulaşma amacıyla modelinizi test etmenize ve farklı sürümlerle deneme yapmanıza yardımcı olacak yerleşik A/B test özelliklerine de sahiptir.
Uçta model çalıştırma
AWS Greengrass, Amazon SageMaker ile eğitilen modellerin, çıkarsama yapma amacıyla uç cihazlarına dağıtılmasını kolaylaştırır. AWS Greengrass sayesinde bağlı cihazlar internete bağlı olmadığında bile AWS Lambda işlevleri çalıştırabilir, cihaz verilerini eşitlenmiş halde tutabilir ve diğer cihazlarla güvenli bir şekilde iletişim kurabilir.
Amazon SageMaker bulut sunucularınıza esnek GPU hızlandırması eklemek için Amazon Elastic Inference hizmetini kullanarak derin öğrenim çıkarsama maliyetlerinizi %75’e kadar azaltın. Birçok modelde, tam GPU bulut sunucusu, çıkarsama için gereğinden büyük kalır. Ayrıca, tek bir bulut sunucusu tipiyle derin öğrenim uygulamanızın GPU, CPU ve bellek ihtiyaçlarını optimize etmeniz son derece zor olabilir. Elastic Inference, uygulamanızın ihtiyaçlarına genel olarak en uygun bulut sunucusu tipini seçmenize ve sonrasında çıkarsama için gerekli miktarda GPU hızlandırmasını ayrı olarak yapılandırmanıza olanak tanır.
DESTEKLENEN PLATFORMLAR
Müşteri başarı öyküleri
“GE Healthcare, hizmet sağlayıcılarının daha iyi sonuçlar almasını sağlayarak sağlık hizmetlerini baştan yaratıyor. Amazon SageMaker’da eğittiğimiz bilgisayarlı görme modelleri, sonrasında MRI ve X-Ray makinelerimize dağıtılıyor. Pekiştirmeli öğrenim teknikleri uygulayarak, bir yandan eğitilmiş modellerimizin boyutlarını küçültürken, bir yandan da ağ sıkıştırması ile model doğruluk oranı arasındaki doğru dengeyi yakalayabiliyoruz. RL iş yükleri çalıştırmanın getirdiği karmaşıklığı ortadan kaldıran Amazon SageMaker RL, dört haftadan kısa sürede fikir aşamasından uygulama aşamasına geçmemizi sağladı.”
"NFL olarak, AWS teknolojilerinden faydalanarak Next Gen Stats teklifleri için ölçümlerin geliştirilmesinden daha iyi verim alıyoruz. İyileştirilmesi aylar sürebilecek Makine Öğrenimi ve diğer işlemler artık sadece haftalar hatta günler sürüyor. Bu da, yeni ve benzersiz yollarla taraftarların ilgisini çekmemizi, onları bilgilendirmemizi ve heyecanlandırmamızı sağlıyor."
"Her Tinder kaydırmasının ardında 190’dan fazla ülkede dakikada milyonlarca isteği ve günde milyarlarca kaydırmayı yöneten bir sistem var. Amazon SageMaker makine öğrenimini basitleştirerek, geliştirme ekiplerimizin diğer yollarla mümkün olmayan yeni bağlantılar oluşturan tahmin modelleri geliştirmelerini sağlıyor."
"Amazon SageMaker ile platform üzerinde kendi algoritmalarımızı oluşturup dağıtarak Yapay Zeka girişimlerimizi uygun ölçekte hızlandırabiliyoruz. Yepyeni büyük ölçekli makine öğrenimi ve yapay zeka algoritmaları oluşturarak bu platformda dağıtacak ve bu sayede müşterilerimize karmaşık sorunları çözme konusunda yardımcı olacağız."
“Amazon SageMaker RL, dağıtılmış pekiştirmeli öğrenimi basit, ölçeklendirilebilir ve hesaplı hale getirdi. Enzimlerin keşfi ve optimizasyonu için son teknoloji ürünü araçlar geliştirerek protein tasarlıyoruz ve bu sayede kimyasal imalatı daha ucuz, daha çevre dostu hale getiriyoruz. Amazon SageMaker RL sayesinde, eğitim ve simülasyon çalıştırmak amacıyla farklı bulut sunucusu tipleriyle farklı kümeler kullanabiliyor olmamız, geliştirme sürecinin çeşitli noktalarında verimliliği artırırken RL iş yükleri çalıştırma maliyetini ciddi oranda azalttı. Bu özellikler sayesinde, çok aracılı pekiştirmeli öğrenimin sunduğu olanakları artırmamız mümkün olacak.”
"Hotels.com olarak odağımız her zaman daha hızlı hareket etme, en yeni teknolojileri kullanma ve sürekli yenilikçi olma konuları etrafında şekilleniyor. Amazon SageMaker'ın sunduğu dağıtılmış eğitim, iyileştirilmiş algoritmalar ve yerleşik hiper parametre özellikleri ekibimin en büyük veri kümelerimizle daha hızlı ve daha hassas modeller oluşturmasına ve bu sayede bir modeli üretime alma süremizi kısaltmaya yardımcı olacak. Tek yapılması gereken bir API çağrısı. Amazon SageMaker, makine öğrenimi sürecimizin karmaşıklığını azaltarak müşteriler için daha iyi bir deneyimi daha kısa sürede oluşturmamızı sağlayacak."
Matt Frye, Başkan Yardımcısı ve Veri Bilimi Sorumlusu, Hotels.com ve Expedia Affiliate Network
"Makine öğrenimini sistemlerimize ve uygulamalarımıza yerleştirebilmemiz, taraftarlarımızın ve 30 kulübün oyun anlayışını bambaşka bir seviyeye çıkarmak için harika bir yol. Daha önce görülmemiş ölçümleri paylaşmak adına yeni fırsatlar yaratmak için, gücü, derinliği ve makine öğrenimi hizmetlerindeki kanıtlanmış uzmanlığından ötürü AWS’yi seçtik.”
Jason Gaedtke, Teknoloji Müdürü, Major League Baseball
Tam olarak yönetilen, pekiştirmeli öğrenim ile geleceğin teknolojilerini geliştirin
Pekiştirmeli öğrenimi (RL) kullanarak, önceden etiketlenmiş eğitim verilerine ihtiyaç duymadan belirli sonuçları elde edebilecek sofistike modeller geliştirin. RL, öğrenirken kaynak olarak kullanılabilecek tek bir “doğru” cevabın olmadığı, ancak otomobil kullanmayı öğrenmek veya olumlu finansal alım-satım işlemleri yapmak gibi optimum bir sonucun bulunduğu durumlarda faydalıdır. RL algoritmaları, geçmiş verilere bakmaktansa, modelin ödül ve cezalarla istenen davranışa yöneltildiği bir simülatörde eylem gerçekleştirerek öğrenir.
Amazon SageMaker RL; tam olarak yönetilen, yerleşik RL algoritmaları içerir. SageMaker, hem TensorFlow ve MXNet gibi birden fazla framework’te RL’yi hem de Intel Coach ve Ray RLlib gibi en başından itibaren pekiştirmeli öğrenim için tasarlanıp özel olarak geliştirilmiş framework’leri destekler.
Amazon SageMaker RL ayrıca, tam 2B ve 3B fizik ortamları dahil olmak üzere birden çok RL ortamını, MATLAB ile Simulink gibi ticari simülasyon ortamlarını ve özel geliştirilen ortamlar dahil olmak üzere açık kaynak kodlu OpenAI Gym arabirimini destekleyen her türlü ortamı destekler. SageMaker RL, aynı zamanda Amazon Sumerian ve AWS RoboMaker hizmetlerinde yerleşik olarak bulunan sanal 3B ortamlarını kullanarak eğitim yapmanıza olanak tanır. Bu sayede, reklamcılıktan finansal sistemlere, endüstriyel denetimlere, robotik uygulamalarına ve sürücüsüz araçlara kadar her şeyi modelleyebilirsiniz.
Açık ve esnek
Tarzınıza uyan makine öğrenimi
Makine öğrenimi teknolojisi hızla ilerlemektedir. Böyle bir ortamda, geniş bir framework ve araç yelpazesine erişerek esnek davranabilmeniz gerekir. Amazon SageMaker sayesinde yerleşik container’ları popüler herhangi bir framework için kullanabilir veya kendi tercih ettiğiniz framework’ü sürece dahil edebilirsiniz. İki durumda da Amazon SageMaker, modellerinizi geliştirmek, eğitmek ve dağıtmak için gereken temel altyapıyı tam olarak yönetir.
Daha yüksek uç performansı
Açık kaynak kodlu Neo projesi aracılığıyla SageMaker Neo’nun özellikleri de tüm geliştiricilere sunulmaktadır. Herkesin dilediği yerde model çalıştırmasına olanak tanımanın, makine öğreniminin tam potansiyeline ulaşmasında gerekli bir adım olduğuna inanıyoruz. Donanım satıcıları, açık kaynak kodlu çalışmalara katkıda bulunarak Neo’yu yeni optimizasyonlarla iyileştirebilir ve makine öğreniminin genel donanım ekosistemini daha ileri taşıyabilir.
SageMaker, iş akışınıza uyum sağlar
Amazon SageMaker’ın altyapısı; Ground Truth, Notebooks, Training, Neo ve Hosting olmak üzere farklı bileşenlerden oluşur. Bu bileşenler, birlikte çalışarak uçtan uca bir makine öğrenimi hizmeti sağlamak üzere tasarlanmıştır. Bununla birlikte, mevcut makine öğrenimi iş akışlarına katkıda bulunmak veya veri merkezinizde ya da uçta çalışan modelleri desteklemek üzere bağımsız olarak da kullanılabilirler.
Öğrenme ve hızlandırma
AWS DeepRacer
Sürücüsüz araçlar aracılığıyla pekiştirmeli öğrenim hakkında bilgi edinmek için ihtiyaç duyduğunuz her şeyi içeren, 1/18 ölçeğinde, tamamen sürücüsüz bir yarış aracı.
AWS DeepLens
Yazılım geliştiriciler için dünyanın ilk derin öğrenim özellikli video kamerası sayesinde, hem projeler ve öğreticiler üzerinden hem de gerçek dünyada uygulamalı bir şekilde keşfederek bilgisayarlı görme teknolojisini öğrenin.
AWS Machine Learning Eğitimi ve Sertifikaları
AWS Machine Learning Üniversitesi. Temel bilgilerin ve gerçek dünya uygulamalarının bir araya gelmesiyle oluşturulan ve Amazon geliştiricilerine yönelik eğitimlerdeki materyallerle hazırlanan, yapılandırılmış makine öğrenimi kursları.
Amazon ML Çözümleri Lab'ı
Amazon ML Solutions Lab, ekibinizi Amazon’un makine öğrenimi uzmanlarıyla buluşturur. İşletmenizin karşılaştığı zorlukları geriye dönük olarak çözme ve ardından bir modeli adım adım üretim ortamına taşıma sürecinde size yardımcı olmak için, uygulamalı eğitim atölyelerini, beyin fırtınası oturumları ve profesyonel danışmanlık hizmetleri ile birleştirir. Sonrasında, öğrendiklerinizi kurumunuzun başka yerlerinde kullanarak başka fırsatların peşinden gidebilirsiniz.