Amazon SageMaker proporciona a los desarrolladores y científicos de datos la posibilidad de crear, entrenar e implementar modelos de aprendizaje automático de forma rápida. Amazon SageMaker es un servicio completamente administrado que cubre todo el flujo de trabajo de aprendizaje automático para etiquetar y preparar sus datos, elegir un algoritmo, entrenar dicho algoritmo, ajustarlo y optimizarlo para la implementación, realizar predicciones y tomar medidas. Sus modelos aceleran su acceso a producción, con un esfuerzo y un costo mucho menores.
CREAR
Recopile y prepare los datos de entrenamiento
Etiquetado de datos y blocs de notas prediseñados para los problemas comunes
Elija y optimice su algoritmo de aprendizaje automático
Mercado de algoritmos y modelos, algoritmos integrados de alto rendimiento
ENTRENAR
Configure y administre los entornos para el entrenamiento
Entrenamiento con un solo clic en la infraestructura de más alto rendimiento
Entrene y ajuste el modelo
Entrene una vez, ejecútelo en cualquier parte y optimice el modelo
IMPLEMENTAR
Implemente el modelo en producción
Implementación con un clic
Escale y administre el entorno de producción
Completamente administrado con escalado automático para una reducción del 75 % de los costos de inferencia
Recopile y prepare los datos de entrenamiento
Etiquete los datos de entrenamiento de forma rápida
Amazon SageMaker Ground Truth le ayuda a crear y administrar conjuntos de datos de entrenamiento de gran precisión de forma rápida. Ground Truth ofrece un acceso fácil a los etiquetadores públicos y privados, a los que proporciona flujos de trabajo prediseñados e interfaces para tareas de etiquetado habituales. Además, Ground Truth aprende de estos para realizar anotaciones automáticas de alta calidad, a fin de reducir considerablemente los costos de etiquetado.
Más información »


Blocs de notas alojados
Blocs de notas de Jupyter completamente administrados con decenas de flujos de trabajo prediseñados y
ejemplos para facilitar la exploración y la visualización de sus datos de entrenamiento.
Comentarios recientes