亞馬遜云AWS官網(wǎng)：

Amazon SageMaker的模型構(gòu)建、訓(xùn)練和部署，利用這些資源幫助您快速地從概念轉(zhuǎn)向生產(chǎn)。

Amazon SageMaker 是一項完全托管的服務(wù)，可以幫助機器學(xué)習(xí)開發(fā)者和數(shù)據(jù)科學(xué)家快速構(gòu)建、訓(xùn)練和部署模型。它完全消除了機器學(xué)習(xí)過程中各個步驟的繁重工作，讓開發(fā)高質(zhì)量模型變得更加輕松。

通過傳統(tǒng)的方式創(chuàng)建機器學(xué)習(xí)模型，開發(fā)人員需要從數(shù)據(jù)準備過程開始，經(jīng)過可視化、選擇算法、設(shè)置框架、訓(xùn)練模型、調(diào)整數(shù)百萬個可能的參數(shù)、部署模型并監(jiān)視其性能，這個過程往往需要重復(fù)多次，非常繁瑣且特別耗時。

Amazon SageMaker 的一些功能和組件：

• Amazon SageMaker Studio：這是首個適用于機器學(xué)習(xí)的集成開發(fā)環(huán)境（IDE）。您可以在統(tǒng)一的可視化界面中操作 Notebook、創(chuàng)建模型、管理模型試驗、調(diào)試，以及檢測模型偏差。
• Amazon SageMaker Notebooks：它可以加快構(gòu)建和協(xié)作。許多用戶使用單臺服務(wù)器運行 Jupyter Notebook，但需要管理底層資源。Amazon SageMaker Notebook 可以一鍵啟動 Jupyter Notebook，并由亞馬遜云科技負責(zé)底層計算資源的托管。同時，它還支持一鍵共享 Notebook，方便機器學(xué)習(xí)團隊協(xié)作。
• Amazon SageMaker Autopilot：這個功能實現(xiàn)了模型的自動構(gòu)建與優(yōu)化。在設(shè)計機器學(xué)習(xí)模型時，我們需要嘗試不同的算法和參數(shù)集合，而找到有效的算法通常需要耗費大量時間。Amazon SageMaker Autopilot 可以自動檢查原始數(shù)據(jù)、選擇最佳算法參數(shù)集合、訓(xùn)練和調(diào)優(yōu)多個模型，以及根據(jù)性能對模型進行排名，從而縮短尋找最佳模型所需的時間。
• Amazon SageMaker Debugger：它可以分析、檢測和提醒與機器學(xué)習(xí)相關(guān)的問題。訓(xùn)練模型的過程通常是不透明的，而且耗時較長。Amazon SageMaker Debugger 可以在訓(xùn)練期間自動捕獲實時指標，讓訓(xùn)練流程更加透明，提高模型精度。它還會對常見問題發(fā)出告警并提供修復(fù)建議。
• Amazon SageMaker Model Monitor：它可以讓模型保持精確。模型部署之后，概念漂移（concept drift）是一個常見問題。Amazon SageMaker Model Monitor 可以檢測已部署模型的概念漂移，并提供詳細的警報，幫助確定問題根源。

Amazon SageMaker 的功能包含模型構(gòu)建、訓(xùn)練和部署三大部分

• 構(gòu)建：Amazon SageMaker 提供了快速連接到您的訓(xùn)練數(shù)據(jù)所需的所有內(nèi)容，從而可以輕松構(gòu)建 ML 模型并為訓(xùn)練做好準備，并且還可以輕松為您的應(yīng)用程序選擇和優(yōu)化最佳算法和框架。Amazon SageMaker 包含托管的 Jupyter 筆記本，您可以輕松瀏覽和可視化在 Amazon S3 中存儲的訓(xùn)練數(shù)據(jù)。您可以選擇直接連接到 S3 中的數(shù)據(jù)，或者使用 AWS Glue 將數(shù)據(jù)從 Amazon RDS、Amazon DynamoDB 和 Amazon Redshift 移動到 S3 ，然后在筆記本中進行分析。為了幫助您選擇算法，Amazon SageMaker 包含 10 種最常用的機器學(xué)習(xí)算法，這些算法已預(yù)裝好并進行過優(yōu)化，與在任何其他地方運行這些算法相比，最多可以將性能提高 10 倍。Amazon SageMaker 默認配置了 TensorFlow 和 Apache MXNet，這是兩種最常見的開源框架。您也可以選擇使用自己的框架。
• 訓(xùn)練：只需單擊一下，您就可以在 Amazon SageMaker 控制臺中開始訓(xùn)練模型。Amazon SageMaker 可以管理所有底層基礎(chǔ)設(shè)施，并且可以輕松以 PB 級擴展以訓(xùn)練模型。為了使訓(xùn)練過程更快更輕松，Amazon SageMaker 可以自動調(diào)整您的模型以達到最高的精度。
• 部署：在訓(xùn)練并調(diào)整模型后，Amazon SageMaker 可以輕松在生產(chǎn)環(huán)境中部署該模型，以便開始針對新數(shù)據(jù)運行和生成預(yù)測（該過程稱為推理）。Amazon SageMaker 會在跨多個可用區(qū)的 Amazon EC2 實例自動擴展集群上部署模型以實現(xiàn)高性能和高可用性。Amazon SageMaker 還包含內(nèi)置的 A/B 測試功能，以幫助您測試模型并試驗不同的版本以獲得最佳效果。

以下是創(chuàng)建機器學(xué)習(xí)模型的典型工作流程：

那么 Amazon SageMaker 是一項完全托管的服務(wù)，它提供了一站式的機器學(xué)習(xí)開發(fā)環(huán)境，從數(shù)據(jù)準備、模型訓(xùn)練到模型部署，所有這些都可以在云端完成，十分方便快捷，能夠帶來巨大的效能提升。

以下是 Amazon SageMaker 提供的幾種機器學(xué)習(xí)開發(fā)環(huán)境：

• Amazon SageMaker Studio：允許您構(gòu)建、訓(xùn)練、調(diào)試、部署和監(jiān)控您的機器學(xué)習(xí)模型。

• 亞馬遜 SageMaker 筆記本實例：允許您準備和處理數(shù)據(jù)，以及從運行 Jupyter Notebook 應(yīng)用程序的計算實例訓(xùn)練和部署機器學(xué)習(xí)模型。

• Amazon SageMaker Studio Lab：Studio Lab 是一項免費服務(wù)，可讓您在基于開源的環(huán)境中訪問亞馬遜云科技計算資源 JupyterLab，無需亞馬遜云科技賬戶。

• Amazon SageMaker Canvas：使您能夠使用機器學(xué)習(xí)來生成預(yù)測，而無需編寫代碼。

• Amazon SageMaker 地理空間：使您能夠構(gòu)建、訓(xùn)練和部署地理空間模型。
• Amazon rStud ioSageMaker：rStudio 是?R?的 IDE，它具有支持直接執(zhí)行代碼的控制臺、語法突出顯示編輯器以及用于繪圖、歷史記錄、調(diào)試和工作區(qū)管理的工具。

對于不想處理硬件、軟件和基礎(chǔ)架構(gòu)等方面問題，希望簡化操作機器學(xué)習(xí)模型開發(fā)流程，靈活選擇算法和模型及資源以滿足不同業(yè)務(wù)需求的，可以放心的選擇 Amazon SageMaker！