Beschreibung
Amazon SageMaker AI ist ein umfassender, vollständig verwalteter Service für maschinelles Lernen, der Datenwissenschaftler und Entwickler unterstützt. Er optimiert den gesamten ML-Workflow, von der anfänglichen Datenaufbereitung bis zur Modellbereitstellung und kontinuierlichen Überwachung. Die Plattform ermöglicht es Benutzern, schnell Modelle für maschinelles Lernen zu erstellen, zu trainieren und in einer produktionsbereiten gehosteten Umgebung bereitzustellen.
SageMaker AI bietet eine Reihe von Tools zur Bewältigung der Komplexität des maschinellen Lernens. Dazu gehören Funktionen für die Datenkennzeichnung mit menschlicher Unterstützung (Human-in-the-Loop), die Datenaufbereitung und -verarbeitung sowie die Erstellung, Speicherung und gemeinsame Nutzung von extrahierten Datensignalen, die als Features bezeichnet werden. Für die Modellentwicklung können Benutzer Modelle mit verschiedenen Algorithmen und Frameworks trainieren und sie für die Inferenz bereitstellen. Der Service unterstützt auch die Implementierung von MLOps-Praktiken für ein robustes Modellmanagement und die Überwachung der Daten- und Modellqualität, um Leistung und Zuverlässigkeit zu gewährleisten.
Über die Kernmodellentwicklung hinaus legt Amazon SageMaker AI Wert auf verantwortungsvolle KI-Praktiken. Es bietet Tools zur Erkennung von Verzerrungen (Bias) in Modellen und zum Verständnis ihrer Erklärungen, was Transparenz und Fairness fördert. Governance-Funktionen helfen bei der Dokumentation und Nachverfolgung der Modellleistung und gewährleisten so die Rechenschaftspflicht. Sicherheit ist ebenfalls ein wichtiger Aspekt, mit Optionen zur Konfiguration der Sicherheit für SageMaker AI-Ressourcen.
Die Dokumentation bietet Zugang zu wichtigen Ressourcen, einschließlich API-Referenzen für detaillierte Betriebsinformationen und des Amazon SageMaker AI Python SDK, das das Training und die Bereitstellung mit gängigen Deep-Learning-Frameworks erleichtert. Darüber hinaus leitet sie Benutzer bei der Nutzung des AWS SDK für Python (Boto3) für die Datenformatierung und Anwendungsentwicklung an. Die Plattform eignet sich für eine breite Palette von Benutzern, von einzelnen Datenwissenschaftlern bis hin zu großen Entwicklungsteams, die ihre ML-Initiativen skalieren möchten.
Zu den wichtigsten Funktionen gehören automatisiertes ML, Umgebungen für maschinelles Lernen, Datenkennzeichnung, Datenaufbereitung und -verarbeitung, Feature-Store-Management, Modelltraining und -bereitstellung, MLOps-Implementierung sowie Tools für verantwortungsvolle KI zur Erkennung von Verzerrungen und Governance. Der Service zielt darauf ab, den Zeit- und Arbeitsaufwand für die Überführung von ML-Modellen vom Experiment zur Produktion zu reduzieren und so Innovation und Geschäftswert zu beschleunigen.
Amazon SageMaker AI Dokumentation's Kernfunktionen
Vollständig verwalteter Service für maschinelles Lernen
Tools zum Erstellen und Trainieren von ML-Modellen
Produktionsbereite Modellbereitstellung
Datenkennzeichnung mit Human-in-the-Loop
Funktionen zur Datenaufbereitung und -verarbeitung
Feature Store zum Erstellen, Speichern und Teilen von Features
Unterstützung für MLOps-Implementierung
Überwachung von Daten- und Modellqualität
Tools für verantwortungsvolle KI zur Erkennung von Verzerrungen und Erklärungen
Sicherheitskonfiguration für Ressourcen
API-Referenz für SageMaker AI-Operationen
Amazon SageMaker AI Python SDK für Training und Bereitstellung
Integration mit AWS SDK für Python (Boto3)
Wie verwendet man Amazon SageMaker AI Dokumentation?
Onboarding: Erste Schritte mit der Amazon SageMaker AI-Rolle und -Domäne.
ML automatisieren: Erfahren Sie, wie Sie maschinelles Lernen von Anfang bis Ende automatisieren.
Daten vorbereiten: Verstehen Sie, wie Sie Daten für maschinelles Lernen vorbereiten.
Modelle trainieren: Lernen Sie den Prozess des Trainings Ihrer Modelle für maschinelles Lernen.
Modelle bereitstellen: Entdecken Sie, wie Sie Ihre trainierten Modelle für die Inferenz bereitstellen.
MLOps implementieren: Lernen Sie, Machine Learning Operations auf SageMaker AI zu implementieren.
Sicherheit konfigurieren: Verstehen Sie, wie Sie Ressourcen innerhalb von Amazon SageMaker AI sichern.
Amazon SageMaker AI Dokumentation's Anwendungsfälle
- Automatisiertes ML
- Datenkennzeichnung
- Modelltraining
- Modellbereitstellung
- MLOps-Implementierung
- Verantwortungsvolle KI
- Feature Engineering
