1.3.9　亚马逊SageMaker

1．平台介绍

Amazon SageMaker是一项完全托管的服务，可以帮助开发人员和数据科学家大规模地快速构建、训练和部署机器学习模型。它消除了机器学习工作流程每个步骤的复杂性，使用户能够更轻松地部署机器学习使用案例。SageMaker包括Studio、Autopilot、Ground Truth和Neo等多款产品。

2．平台特点

（1）门槛低。预先训练的AI服务基于为Amazon自身业务提供支持的相同技术，为应用程序和工作流程提供现成的智能功能，以帮助改善业务成果。用户无须任何机器学习专业知识即可构建AI支持的应用程序。

（2）支持多种学习框架。支持TensorFlow、PyTorch、Apache MXNet和其他常用机器学习框架，来试验并定制机器学习算法。用户可以在Amazon SageMaker中以托管体验的形式使用所选择的框架，也可以使用AWS Deep Learning AMI（Amazon系统映像），该映像配备所有最新版本的、最常用的深度学习框架和工具。

（3）Amazon Machine Learning API和向导可以帮助所有开发人员轻松地利用Amazon Simple Storage Service (Amazon S3)中存储的数据、Amazon Redshift或Amazon Relational Database Service (Amazon RDS)中的MySQL数据库，创建并精细调整机器学习模型，并对这些模型进行查询以获得预测结果。该服务内置数据处理器、可扩展的机器学习算法、互动数据和模型可视化工具以及质量警告功能，可帮助用户快速构建并精细调整模型。

（4）可扩展的高性能预测结果生成服务。Amazon Machine Learning预测API可用于为应用程序生成数十亿条预测结果。使用批量预测API可以请求对大量数据记录一次性执行预测，还可以使用实时API来获得个别数据记录的预测结果，这两个功能可以在交互式Web、移动、桌面应用程序中使用。

（5）采用Amazon成熟的机器学习技术，具有极高的可扩展性。Amazon已经将这项技术广泛应用于许多关键领域，例如供应链管理、欺诈交易识别和目录编排等。

（6）提供交互式的图表，可以帮助用户以可视化的方式呈现输入的数据集并对其进行挖掘，以理解数据内容和分配情况，并发现遗漏或错误的数据属性。

（7）提供多种API用于建模和管理，可以帮助用户创建、检查、删除数据资源、模型和评估结果。用户可在新数据出现后自动完成新模型的创建，还可以使用API来检查之前的模型、数据源、评估结果和批量预测结果，以实现跟踪和重复性目标。