Amazon Sagemaker

Entwickeln, trainieren und implementieren Sie Machine Learning (ML)-Modelle für jeden Anwendungsfall mit vollständig verwalteter Infrastruktur, Tools und Workflows

Warum SageMaker?

Amazon SageMaker ist ein vollständig verwalteter Service, der eine breite Palette von Tools vereint, um leistungsstarkes, kostengünstiges Machine Learning (ML) für jeden Anwendungsfall zu ermöglichen. Mit SageMaker können Sie ML-Modelle mithilfe von Tools wie Notebooks, Debuggern, Profilern, Pipelines, MLOps und mehr im großen Maßstab erstellen, trainieren und bereitstellen – alles in einer integrierten Entwicklungsumgebung (IDE). SageMaker unterstützt Governance-Anforderungen mit vereinfachter Zugriffskontrolle und Transparenz über Ihre ML-Projekte. Darüber hinaus können Sie Ihre eigenen FMs erstellen, große Modelle, die an riesigen Datensätzen trainiert wurden, mit speziell entwickelten Tools zur Feinabstimmung, zum Experimentieren, Umschulen und Bereitstellen von FMs. SageMaker bietet Zugriff auf Hunderte von vortrainierten Modellen, einschließlich öffentlich verfügbarer FMs, die Sie mit nur wenigen Klicks bereitstellen können.
 

Vorteile von SageMaker

Ermöglichen Sie mehr Menschen die Innovation mit ML durch eine Auswahl an Tools – IDE für Datenwissenschaftler und Benutzeroberflächen ohne Code für Geschäftsanalysten.
Erstellen Sie Ihre eigenen ML-Modelle, einschließlich FMs, um generative KI-Anwendungen zu unterstützen, mit integrierten, speziell entwickelten Tools und einer leistungsstarken, kostengünstigen Infrastruktur.
Automatisieren und standardisieren Sie MLOps-Methoden und Governance in Ihrer Organisation, um die Transparenz und Auditierbarkeit.
Nutzen Sie das Potenzial menschlichen Feedbacks während des gesamten ML-Lebenszyklus, um die Genauigkeit und Relevanz von FMs mit Human-in-the-Loop-Fähigkeiten zu verbessern.
Erhalten Sie während des gesamten ML-Entwicklungsprozesses Unterstützung – von der Datenaufbereitung und Modellschulung bis hin zur Modellbereitstellung. Amazon Q Developer kann Code-Vorschläge generieren, Ihre Fragen beantworten und Ihnen bei der Fehlerbehebung helfen, wenn Sie auf Fehler stoßen.

Preise und kostenloses Kontingent von Amazon SageMaker

Das kostenlose Kontingent von SageMaker bietet eine zweimonatige kostenlose Testversion, die 250 Stunden pro Monat für die Nutzung von t2.medium- oder t3.medium-Notebooks, 50 Stunden pro Monat für m4.xlarge oder m5.xlarge für Trainings und 125 Stunden pro Monat für m4.xlarge oder m5.xlarge für das Hosting beinhaltet. Weitere Informationen zum kostenlosen Angebot und den kostengünstigen Preisoptionen von SageMaker finden Sie auf der Seite mit den SageMaker-Preisen.

Amazon SageMaker für generative KI verwenden

Amazon SageMaker hilft Datenwissenschaftlern und ML-Ingenieuren dabei, FMs von Grund auf neu zu erstellen, FMs mit fortschrittlichen Techniken zu evaluieren und anzupassen und FMs mit feinkörnigen Steuerungen für generative KI-Anwendungsfälle bereitzustellen, die strenge Anforderungen an Genauigkeit, Latenz und Kosten stellen.

Erstellen Sie Grundlagenmodelle von Grund auf

Amazon SageMaker bietet Tools zur Vorschulung von Grundlagenmodellen von Grund auf, sodass sie intern verwendet oder anderen Unternehmen für generative KI-Anwendungen angeboten werden können.

Passen Sie Fundamentmodelle mit fortschrittlichen Techniken an

Amazon SageMaker bietet Zugriff auf Hunderte von öffentlich verfügbaren FMs und Tools zur Evaluierung und vollständigen Anpassung von Modellen an Ihren spezifischen Anwendungsfall und Ihre Daten.

Bereitstellung von Basismodellen für Inferenz

Amazon SageMaker erleichtert die Bereitstellung von Grundlagenmodellen (FMs), um Inferenzanfragen zum besten Preis-Leistungs-Verhältnis für jeden Anwendungsfall zu stellen.

Unterstützung für die führenden ML-Frameworks, Toolkits und Programmiersprachen

Jupyter-Logo
TensorFlow-Logo
PyTorch-Logo
MXNet-Logo
Hugging-Face-Logo
Scikit-learn-Logo
Python-Logo
R-Logo

Leistungsstarkes, kostengünstiges ML nach Maß

Über 1,5 Billion

Inferenzanfragen pro Monat

40 %

Reduzierung der Datenkennzeichnungskosten

< 10 ms

Inferenz-Aufwands-Latenz