使用 SageMaker AI (以前稱為 Amazon SageMaker) 建置、訓練和部署 ML 模型

Amazon SageMaker

下一代 Amazon SageMaker 是您所有資料、分析和 AI 的中心
開始使用 Amazon SageMaker

概觀

Amazon SageMaker 結合廣泛採用的 AWS 機器學習和分析功能，提供分析和 AI 的整合式體驗，並統一存取您的所有資料。使用熟悉的 AWS 工具進行模型開發、生成式 AI、資料處理和 SQL 分析，從統一的工作室 (預覽) 加快協作和建置，這些工具由 Amazon Q Developer 加速，這是對於軟體開發最有能力的生成式 AI 助理。無論是儲存在資料湖、資料倉儲、第三方或聯合資料來源中，都可以存取所有資料，內建的治理功能可滿足企業安全需求。

優勢

Amazon SageMaker Unified Studio (預覽版) 提供了一種整合體驗，可使用您的所有資料和工具進行分析和 AI。探索您的資料並使用熟悉的 AWS 工具將其用於模型開發、生成式 AI、資料處理和 SQL 分析。使用統一的筆記本跨運作資源工作，使用內建 SQL 編輯器探索和查詢不同的資料來源，大規模訓練和部署 AI 模型，以及快速建置自訂生成式 AI 應用程式。建立並安全共用分析和 AI 成品 (例如資料、模型和生成式 AI 應用程式)，以更快地將資料產品推向市場。
利用一套全面、設計安全的 AI 開發功能來加速 Amazon SageMaker 中的 AI。在高效能且符合成本效益的基礎設施上訓練、自訂和部署 ML 與基礎模型 (FM)。使用涵蓋整個 AI 生命週期的專門建置工具 — 從高效能整合開發環境 (IDE) 和分散式訓練到推論、AI 營運、管控和可觀測性。使用尖端模型和專有資料快速建立適合您業務的生成式 AI 應用程式。使用 Amazon Q Developer 加速 AI 開發，協助您更輕鬆地探索資料、建置和訓練 ML 模型、產生 SQL 查詢以及建立和執行資料管道任務，所有這些工作均透過自然語言完成。
使用 Amazon SageMaker Lakehouse 統一 Amazon Simple Storage Service (Amazon S3) 資料湖和 Amazon Redshift 資料倉儲中的所有資料。使用與 Apache Iceberg 相容的所有工具和引擎在單個分析資料副本上靈活地存取和查詢資料。通過定義精細許可來保護您的資料，並將其套用於 Lakehouse 中的分析和 AI 工具。透過零 ETL 整合，將來自營運資料庫和應用程式的資料近乎即時地匯入您的資料湖。此外，透過第三方資料來源之間的聯合查詢功能就地存取和查詢資料。
藉助整個資料和 AI 生命週期內的內建管控確保企業安全。Amazon SageMaker 使您能夠控制正確的使用者出於適當的目的對合適資料、模型和開發成品的存取。藉助 Amazon SageMaker Catalog 的精細存取控制，使用單一許可模型一致地定義和執行存取政策。利用資料分類、毒性偵測、防護機制和負責任 AI 政策來保護您的 AI 模型。藉助資料品質監控與自動化、敏感資料偵測以及資料與 ML 歷程，取得組織範圍內的資料信任。

認識下一代 SageMaker

功能

客戶

Toyota

「為解決我們汽車營運業務中普遍存在的孤立資料集問題，我們正在探索使用 Amazon SageMaker 來統一和管理連線汽車、銷售、製造和供應鏈部門的資料。這種方法使我們能夠輕鬆地搜尋、探索和共用資料，為預防品質問題、提高客戶安全性和滿意度以及加速生成式 AI 應用程式的開發奠定良好基礎。」

– TMNA 資料、分析、平台和資料科學副總裁 Kamal Distell

image

NatWest Group

「我們的資料平台工程團隊一直在為資料工程、ML、SQL 和 GenAI 任務部署多個最終使用者工具。在尋求簡化整個銀行的程序期間，我們一直在研究簡化使用者身分驗證和資料存取授權。Amazon SageMaker 提供現成的使用者體驗，協助我們在整個組織中部署單一環境，從而將資料使用者存取新工具所需的時間縮短大約 50%。」

- NatWest Group 的 CDAO：Zachery Anderson

image

Roche

「我們一直在使用 Amazon Redshift 從所有資料儲存庫中的結構化和半結構化資料取得洞見。新的 Amazon SageMaker Lakehouse 讓我深感興奮，因為它有潛力透過 Amazon Redshift、Glue Data Catalog 和 Lake Formation 等服務增強和統一對資料湖和其他資料來源的存取。這項創新將使我們的資料和工程團隊能夠簡化資料存取，促進資料、分析和應用程式工作負載之間的互通性。我預計，透過減少資料複製，資料錯誤將顯著減少，處理時間將減少 40%，分析資料將更快地寫回交易系統以改善決策，並且我們的團隊能夠專注于創造商業價值。」

- Roche 全球產品策略工程主管 Yannick Misteli

image

Lennar

「在過去的 18 個月內，我們一直與 AWS 合作，轉換我們的資料基礎，以使用經濟高效的一流解決方案。隨著 Amazon SageMaker Unified Studio 和 Amazon SageMaker Lakehouse 等技術取得進步，我們希望透過無縫存取資料和服務來加快交付速度，從而讓我們的工程師、分析師和科學家取得為自身業務提供實質性價值的洞見。」

- Lennar 資料與分析資深副總裁 Lee Slezak

image

Natera, Inc

「我們的組織一直在利用 Amazon DataZone、Amazon SageMaker AI、Amazon Athena 和 Amazon Redshift 來管理和分析臨床與基因體資料。我們很高興現在擁有 Amazon SageMaker Catalog 的統一管控功能，這將簡化我們的資料探索和存取，讓團隊能夠快速分析整個領域的相關資料。這種整合將協助我們建立量身打造的資料集，從而有可能減少我們取得洞見的時間，並最終推動改善患者的治療結果，因為我們正在推進將個人化基因檢測作為護理標準部分的目標。」

– Natera, Inc. 軟體工程副總裁 Mirko Buholzer

image