开发人员相关资源
Amazon SageMaker是一项完全托管的服务,可为每位开发人员和数据科学家提供快速构建、训练和部署机器学习 (ML) 模型的能力。SageMaker消除了机器学习过程中的每个步骤的繁重工作,开发人员能够更轻松地开发高质量模型。
• 入门
使用Amazon SageMaker构建、训练和部署机器学习模型
• 博客
提升效率:
• Amazon SageMaker Processing - 完全托管的数据处理和模型评估
• Amazon SageMaker Experiments - 组织、跟踪和比较机器学习训练
• Amazon SageMaker模型监控器 - 完全托管的机器学习模型自动化监控
• Amazon SageMaker Autopilot - 在完全控制和可见的情况下,自动创建高质量的机器学习模型
• Amazon SageMaker Debugger - 调试机器学习模型
• 使用Amazon SageMaker Operator简化Kubernetes上的机器学习推理
优化成本:
• 通过使用Amazon SageMaker多模型终端节点节省推理成本
• 托管Spot训练:最高可节省90% 的Amazon SageMaker训练作业成本
• 使用Amazon SageMaker降低机器学习的总体拥有成本并提高工作效率
• SageMaker不到1美元!1小时内训练自己的中文词向量Amazon SageMaker BlazingText一切皆有可能
SageMaker和其他AWS服务的集成:
• 使用Amazon Athena从您的SageMaker笔记本运行SQL查询
• 隆重推出Amazon SageMaker Operators for Kubernetes
• 使用适用于Amazon SageMaker的AWS Step Functions Data Science SDK自动执行模型重新训练和部署
边缘智能:
• 使用Jetson nano结合AWS机器学习和IoT实现边缘智能—上篇
• 使用Jetson nano结合AWS机器学习和IoT实现边缘智能—下篇
自定义模型开发:
相关发布系列:
• Amazon SageMaker现已推出:Deep Graph Library
• Amazon SageMaker Studio:首个全集成的机器学习开发环境
• 使用Amazon SageMaker运行分布式TensorFlow训练
• 网络研讨会
• AWS机器学习平台---Amazon SageMaker详解
• AI基础架构资源的演进与选择——CPU、GPU、ARM和ASIC (AWS Inferentia)
• 客户案例
• 新媒体- AWS案例研究:大宇无限 (SageMaker)
• 新媒体- AWS案例研究:虎牙直播 (SageMaker)
• 游戏- AWS案例研究:嘉谊互娱 (SageMaker)
• 智能制造- AWS案例研究:天津华来科技有限公司 (SageMaker)
• 视频
10分钟视频教程:使用Amazon SageMaker训练汽车型号图像识别的模型
10分钟视频教程:使用BlazingText快速训练中文词向量
10分钟视频教程:使用Amazon Sagemaker训练因子分解机模型并应用于推荐系统
10分钟视频教程:使用AWS Sagemaker XGBoost模型进行房价预测
使用Amazon SageMaker托管的Jupyter Notebook实例
在Amazon SageMaker上使用深度学习框架 (TensorFlow、MXNet、PyTorch等)
其他AI资源:https://amazonaws-china.com/cn/ai/aiml-resources/
Amazon Aurora存储和可靠性
• 集群卷包含的内容
Amazon EKS集群
• 简介
• 功能
• 常见问题
• 创建集群