描述
Amazon SageMaker AI 是一个全面、完全托管的机器学习服务，旨在赋能数据科学家和开发人员。它简化了整个 ML 工作流程，从初始数据准备到模型部署和持续监控。该平台使用户能够快速构建、训练和部署机器学习模型到生产就绪的托管环境中。
SageMaker AI 提供一套工具来管理机器学习的复杂性。这包括带有“人工介入”辅助功能的数据标注、数据准备和处理，以及创建、存储和共享称为特征的提取数据信号。对于模型开发，用户可以使用各种算法和框架训练模型，并将其部署用于推理。该服务还支持实施 MLOps 实践以进行强大的模型管理，以及监控数据和模型质量以确保性能和可靠性。
除了核心模型开发之外，Amazon SageMaker AI 还强调负责任的 AI 实践。它提供了检测模型偏差和理解其解释的工具，从而促进透明度和公平性。治理功能有助于记录和跟踪模型性能，确保问责制。安全性也是一个关键考虑因素，提供了配置 SageMaker AI 资源安全性的选项。
该文档提供了对基本资源的访问，包括用于详细操作信息的 API 参考以及 Amazon SageMaker AI Python SDK，后者有助于使用流行的深度学习框架进行训练和部署。此外，它还指导用户利用 AWS SDK for Python (Boto3) 进行数据格式化和应用程序构建。该平台适用于广泛的用户，从个人数据科学家到希望扩展其 ML 项目的大型开发团队。
关键功能包括自动化 ML、机器学习环境、数据标注、数据准备和处理、特征存储管理、模型训练和部署、MLOps 实施以及用于偏差检测和治理的负责任的 AI 工具。该服务旨在减少将 ML 模型从实验阶段推向生产阶段所需的时间和精力，从而加速创新和业务价值。
Amazon SageMaker AI 文档的核心功能
完全托管的机器学习服务
用于构建和训练 ML 模型的工具
生产就绪的模型部署
带有人工介入的数据标注
数据准备和处理功能
用于创建、存储和共享特征的特征存储
MLOps 实施支持
数据和模型质量监控
用于偏差检测和解释的负责任的 AI 工具
资源安全配置
SageMaker AI 操作的 API 参考
用于训练和部署的 Amazon SageMaker AI Python SDK
与 AWS SDK for Python (Boto3) 集成
如何使用 Amazon SageMaker AI 文档？
入门：开始使用 Amazon SageMaker AI 角色和域。
自动化 ML：了解如何从头到尾自动化机器学习。
准备数据：了解如何为机器学习准备数据。
训练模型：了解训练机器学习模型的过程。
部署模型：探索如何部署训练好的模型以进行推理。
实施 MLOps：了解如何在 SageMaker AI 上实施机器学习操作。
配置安全：了解如何在 Amazon SageMaker AI 中保护资源。
Amazon SageMaker AI 文档的使用案例
- 自动化 ML
- 数据标注
- 模型训练
- 模型部署
- MLOps 实施
- 负责任的 AI
- 特征工程
