Amazon SageMaker
Machine learning per tutti gli sviluppatori e data scientist.
Amazon SageMaker permette a tutti gli sviluppatori e data scientist di creare, formare e distribuire rapidamente modelli di apprendimento automatico. Amazon SageMaker è un servizio completamente gestito che copre l'intero flusso di lavoro dell'apprendimento automatico per etichettare e preparare i dati, scegliere un algoritmo, formare il modello, ottimizzarlo per la distribuzione, effettuare previsioni e intraprendere azioni. I modelli arrivano in produzione con meno sforzi e a costi inferiori.
Amazon SageMaker
Machine learning per tutti gli sviluppatori e data scientist.
Amazon SageMaker permette a tutti gli sviluppatori e data scientist di creare, formare e distribuire rapidamente modelli di apprendimento automatico. Amazon SageMaker è un servizio completamente gestito che copre l'intero flusso di lavoro dell'apprendimento automatico per etichettare e preparare i dati, scegliere un algoritmo, formare il modello, ottimizzarlo per la distribuzione, effettuare previsioni e intraprendere azioni. I modelli arrivano in produzione con meno sforzi e a costi inferiori.
CREA
Raccogli e prepara i dati per la formazione
Etichettatura di dati e notebook predefiniti per i problemi comuni
Scegli e ottimizza l'algoritmo ML
Algoritmi pre-integrati ad alte prestazioni e centinaia di algoritmi già pronti in AWS Marketplace
ESEGUI IL TRAINING
Configura e gestisci gli ambienti per la formazione
Formazione con un clic sull'infrastruttura con le migliori prestazioni
Forma e ottimizza il modello
Forma una volta sola, esegui ovunque e ottimizza il modello
DISTRIBUISCI
Distribuisci il modello in produzione
Distribuzione semplificata
Dimensiona e gestisci l'ambiente di produzione
Completamente gestito con dimensionamento automatico per il 75% in meno
CREA
Raccogli e prepara i dati per la formazione
Etichettatura di dati e notebook predefiniti per i problemi comuni
Scegli e ottimizza l'algoritmo ML
Algoritmi pre-integrati ad alte prestazioni e centinaia di algoritmi già pronti in AWS Marketplace
ESEGUI IL TRAINING
Configura e gestisci gli ambienti per la formazione
Formazione con un clic sull'infrastruttura con le migliori prestazioni
Forma e ottimizza il modello
Forma una volta sola, esegui ovunque e ottimizza il modello
DISTRIBUISCI
Distribuisci il modello in produzione
Distribuzione semplificata
Dimensiona e gestisci l'ambiente di produzione
Completamente gestito con dimensionamento automatico per il 75% in meno
Clienti in evidenza
Raccogli e prepara i dati per la formazione
Etichetta velocemente i dati per la formazione
Amazon SageMaker Ground Truth ti aiuta a creare e gestire rapidamente set di dati per la formazione estremamente accurati. Ground Truth offre a etichettatori umani pubblici e privati un accesso semplice e interfacce e flussi di lavoro predefiniti per le attività di etichettatura più comuni. Inoltre, Ground Truth apprende dalle etichette umane per effettuare annotazioni automatiche di alta qualità per ridurre i costi di etichettatura in modo significativo.
Ulteriori informazioni »
Notebook in hosting
Notebook Jupyter completamente gestiti da utilizzare all'interno del cloud oppure notebook su macchine locali, per esplorare e visualizzare dati, e sviluppare modelli. Oltre a partire da zero, puoi scegliere tra decine di notebook predefiniti, da utilizzare così come sono o modificare a seconda delle tue esigenze specifiche, così da semplificare l'esplorazione e la visualizzazione dei tuoi dati di formazione in modo rapido. Sono disponibili soluzioni a diversi problemi comuni, quali raccomandazioni e personalizzazioni, rilevamento di attività fraudolente, previsione, classificazione delle immagini, stima delle variazioni, targeting dei clienti, processi di log, rilevamento delle anomalie e conversione di voce in testo.
Ulteriori informazioni »
Scegli e ottimizza l'algoritmo di machine learning
Amazon SageMaker configura e ottimizza automaticamente TensorFlow, Apache MXNet, PyTorch, Chainer, Scikit-learn, SparkML, Horovod, Keras e Gluon. Gli algoritmi di apprendimento automatico più usati sono integrati e ottimizzati per il dimensionamento, la velocità e l'accuratezza con più di 200 algoritmi e modelli preformati aggiuntivi disponibili in AWS Marketplace. Inoltre, puoi introdurre qualsiasi altro algoritmo o framework creandolo in un container Docker.
Configura e gestisci gli ambienti di formazione
Formazione con un clic
Inizia a formare il tuo modello con un solo clic. Amazon SageMaker gestisce tutta l'infrastruttura sottostante per dimensionare facilmente set di dati nell'ordine dei petabyte.
L'apprendimento automatico distribuito più velocemente nel cloud.
Le istanze P3 di Amazon EC2 forniscono 8 GPU NVIDIA Tesla.
64 vCPU Intel Xeon Skylake scalabili con AVX-512
25 GB/s di throughput di rete
16 GB di memoria per ogni GPU
Formazione con un clic
Inizia a formare il tuo modello con un solo clic. Amazon SageMaker gestisce tutta l'infrastruttura sottostante per dimensionare facilmente set di dati nell'ordine dei petabyte.
L'apprendimento automatico distribuito più velocemente nel cloud.
Le istanze P3 di Amazon EC2 forniscono 8 GPU NVIDIA Tesla.
64 vCPU Intel Xeon Skylake scalabili con AVX-512
25 GB/s di throughput di rete
16 GB di memoria per ogni GPU
Il posto migliore per eseguire TensorFlow
Le ottimizzazioni TensorFlow di AWS forniscono efficienza di dimensionamento quasi lineare su centinaia di GPU per operare a livello di cloud senza sovraccarico di elaborazione per formare modelli più accurati e sofisticati in molto meno tempo.
Formazione e hosting completamente gestiti
Dimensionamento quasi lineare su centinaia di GPU
Costi di inferenza ridotti del 75%
Efficienza di dimensionamento con 256 GPU
Ottimizza il tuo modello
Ottimizza automaticamente il tuo modello
Forma una volta sola, esegui ovunque
Amazon SageMaker Neo ti consente di formare il modello una volta e distribuirlo ovunque. Usando il machine learning, SageMaker Neo ottimizzerà automaticamente ogni modello formato costruito con un framework comune per la piattaforma hardware specificata senza compromettere l'accuratezza. Potrai quindi distribuire il modello a istanze EC2 e SageMaker o a qualsiasi dispositivo a livello di edge che includa il runtime Neo, compresi i dispositivi AWS Greengrass.
Distribuisci e gestisci i modelli in produzione
Distribuisci con un clic alla produzione
Amazon SageMaker semplifica la distribuzione del modello formato in produzione con un solo clic, permettendo di iniziare a generare previsioni (un processo chiamato inferenza) su dati in tempo reale o in batch. Il modello viene eseguito su cluster con dimensionamento automatico di istanze Amazon SageMaker, che sono distribuite in più zone di disponibilità per ottenere prestazioni superiori e alta disponibilità. Amazon SageMaker inoltre include funzionalità di test A/B integrate per permetterti di testare il tuo modello e di provarne diverse versioni per ottenere i risultati migliori.
Esegui modelli a livello di edge
AWS Greengrass semplifica la distribuzione di modelli formati con Amazon SageMaker su dispositivi edge per eseguire l'inferenza. Con AWS Greengrass, i dispositivi connessi possono eseguire funzioni AWS Lambda, mantenere sincronizzati i dati dei dispositivi e comunicare in maniera sicura con altri dispositivi, anche quando non sono connessi a Internet.
Riduci i costi dell'inferenza di apprendimento approfondito fino al 75% usando Amazon Elastic Inference per collegare in modo semplice l'accelerazione GPU elastica alle istanze Amazon SageMaker. Per la maggior parte dei modelli, un'istanza GPU completa è sovradimensionata per l'inferenza. Inoltre, può risultare difficile ottimizzare le esigenze di GPU, CPU e memoria dell'applicazione per l'apprendimento profondo con un unico tipo di istanza. Elastic Inference consente di scegliere il tipo di istanza più adatto alle esigenze complessive di CPU e memoria dell'applicazione, quindi di configurare separatamente la giusta quantità di accelerazione GPU necessaria per l'inferenza.
SUPPORTA
Storie di successo
"GE Healthcare sta trasformando il settore sanitario consentendo ai provider di offrire risultati migliori. Formiamo modelli di visione artificiale in Amazon SageMaker che vengono poi distribuiti sui nostri dispositivi MRI e a raggi X. Applicando tecniche di consolidamento dell'apprendimento, siamo in grado di ridurre le dimensioni dei nostri modelli formati e allo stesso tempo ottenere il giusto equilibrio tra compressione di rete e accuratezza del modello. Amazon SageMaker RL ci ha permesso di passare dalla teoria all'implementazione in meno di quattro settimane eliminando le complessità dell'esecuzione di carichi di lavoro RL."
"Alla NFL, siamo più efficienti nello sviluppo di metriche per l’offerta Next Gen Stats grazie alla tecnologia AWS. Il Machine Learning e gli altri modelli computazionali il cui perfezionamento potrebbe durare mesi richiedono oggi settimane o giorni e ci consentono di coinvolgere, informare ed entusiasmare gli appassionati in modi nuovi ed esclusivi.”
"Dietro ogni scorrimento rapido su Tinder c'è un sistema che gestisce milioni di richieste al minuto, miliardi di scorrimenti rapidi al giorno, in più di 190 paesi. Amazon SageMaker semplifica l'apprendimento automatico, permettendo ai nostri team di sviluppo di creare modelli di generazione di stime che creano nuove connessioni che altrimenti non sarebbero state possibili."
"Grazie ad Amazon SageMaker, siamo in grado di accelerare le nostre iniziative di intelligenza artificiale in modo scalabile sviluppando e distribuendo i nostri algoritmi sulla piattaforma. Creiamo nuovi algoritmi di intelligenza artificiale e apprendimento automatico su vasta scala e li distribuiamo su questa piattaforma per risolvere problematiche complesse e facilitare la prosperità dei nostri clienti."
"Amazon SageMaker RL ha reso il consolidamento dell'apprendimento distribuito semplice, scalabile e conveniente. Progettiamo la proteina sviluppando strumenti all'avanguardia per la scoperta e l'ottimizzazione degli enzimi, rendendo allo stesso tempo la produzione chimica più economica e sostenibile. Con Amazon SageMaker RL, possiamo usare diversi cluster con tipi di istanze differenti per la formazione e l'esecuzione di simulazioni, il che ha reso il nostro processo di sviluppo più efficiente e ha ridotto in modo significativo il costo di esecuzione dei carichi di lavoro RL. Grazie a queste funzionalità, saremo in grado di espandere le possibilità con il consolidamento dell'apprendimento multi-agent."
"Hotels.com è sempre interessato alle novità che permettono maggiore rapidità operativa e lo sfruttamento delle tecnologie più recenti. L'addestramento distribuito, gli algoritmi ottimizzati e gli iperparametri integrati di Amazon SageMaker consentono al mio team di creare rapidamente modelli più accurati sui nostri set di dati di maggiori dimensioni, riducendo in modo significativo il tempo necessario per trasferire un modello in produzione. È sufficiente una chiamata API. Amazon SageMaker ridurrà in modo considerevole la complessità dell'apprendimento automatico, consentendoci di migliorare più velocemente l'esperienza di utilizzo per i nostri clienti."
Matt Frye, vicepresidente e chief data science officer presso Hotels.com ed Expedia Affiliate Network
“Integrare l’apprendimento automatico nei nostri sistemi e nelle nostre prassi è un ottimo metodo per portare la comprensione del gioco a un livello completamente nuovo per i nostri appassionati e per i 30 club. Abbiamo scelto AWS per la loro forza, profondità e collaudata esperienza nella fornitura di servizi di apprendimento automatico volti a creare nuove opportunità per condividere metriche mai viste prima.”
Jason Gaedtke, Chief Technology Officer, Major League Baseball
Procedi con il consolidamento dell'apprendimento completamente gestito
Usa il consolidamento dell'apprendimento (RL) per costruire modelli sofisticati che possono ottenere risultati specifici senza la necessità di dati di formazione pre-etichettati. Il consolidamento dell'apprendimento è utile in tutte le situazioni in cui non esiste una risposta giusta da cui apprendere, ma c'è un risultato ottimale come imparare a guidare una macchina o fare transazioni finanziarie vantaggiose. Invece di osservare i dati storici, gli algoritmi di RL apprendono eseguendo operazioni in un simulatore dove ricompense e penalità aiutano a direzionare il modello verso il comportamento desiderato.
Amazon SageMaker RL include algoritmi RL incorporati e completamente gestiti. SageMaker supporta RL in più framework, inclusi TensorFlow e MXNet, e nei framework personalizzati progettati per il consolidamento dell'apprendimento come Intel Coach e Ray RLlib.
Amazon SageMaker RL supporta inoltre ambienti RL multipli, compresi gli ambienti fisici full 2D e 3D, gli ambienti di simulazione commerciale come MATLAB e Simulink e tutto quanto supporta l'interfaccia open source OpenAI Gym, compresi gli ambienti personalizzati. Inoltre, SageMaker RL consentirà la formazione mediante ambienti 3D virtuali integrati in Amazon Sumerian e AWS RoboMaker. Questo significa che è possibile modellare qualsiasi cosa, dalla pubblicità ai sistemi finanziari, dai controlli industriali alla robotica e ai veicoli autonomi.
Apertura e flessibilità
Il machine learning a modo tuo
La tecnologia di machine learning procede velocemente e devi rimanere flessibile e avere l'accesso a un ampio set di framework e strumenti. Con Amazon SageMaker, puoi usare i container integrati per tutti i framework più comuni o introdurre il tuo framework preferito. In ogni caso, Amazon SageMaker gestirà in modo completo l'infrastruttura sottostante necessaria per creare, formare e distribuire i modelli.
Prestazioni ottimizzate
Le funzionalità di SageMaker Neo sono inoltre disponibili per tutti gli sviluppatori tramite il progetto open source Neo. Riteniamo che mettere tutti in condizione di eseguire modelli ovunque sia una fase fondamentale per permettere che il machine learning realizzi appieno il suo potenziale. Contribuendo allo sforzo open source, i fornitori di hardware possono migliorare Neo con nuove ottimizzazioni e far progredire l'intero ecosistema hardware verso il machine learning.
SageMaker si adatta al tuo flusso di lavoro
All'interno, Amazon SageMaker è composto da componenti separati: Ground Truth, Notebooks, Training, Neo e Hosting. Questi componenti sono progettati per funzionare insieme e fornire un servizio completo di machine learning. Tuttavia, possono essere usati anche in modo indipendente per integrare flussi di lavoro di machine learning esistenti o per supportare modelli eseguiti nel data center o a livello di edge.
Apprendi e velocizza
AWS DeepRacer
Una macchina da corsa completamente autonoma, in scala 1/18, fornita di tutto quello che serve per scoprire il consolidamento dell'apprendimento attraverso la guida autonoma.
AWS DeepLens
Scopri la visione artificiale attraverso progetti, tutorial ed esplorazione pratica e concreta con la prima videocamera di Deep Learning al mondo per gli sviluppatori.
Formazione e certificazione AWS Machine Learning
AWS Machine Learning University. Corsi strutturati di machine learning basati sullo stesso materiale usato per formare gli sviluppatori Amazon attraverso la combinazione di conoscenze di base e applicazioni reali.
Amazon ML Solutions Lab
Amazon ML Solutions Lab affianca il tuo team con esperti di machine learning di Amazon. Combina workshop istruttivi pratici con sessioni di brainstorming e servizi di consulenze professionali per aiutarti a partire dalle sfide aziendali per poi procedere passo per passo nel processo di implementazione di un modello in produzione. Successivamente, sarai in grado di utilizzare quanto appreso in ogni settore della tua organizzazione per perseguire nuove opportunità.