Amazon SageMaker

Amazon SageMaker 通过整合准们为机器学习（ML）构建的广泛功能集，帮助数据科学家和开发人员快速准备、构建、训练和部署高质量的机器学习模型。Amazon SageMaker 支持领先的ML框架、工具包和编程语言。

1. ml.t3.medium实例：

   • 这是一种通用型的实例，适合于不需要大量计算资源的应用程序。
   • 包括2个vCPU和4GB内存。
   • 适合开发和测试机器学习模型，或者运行不需要大量计算资源的轻量级机器学习任务。

2. ml.t2.medium实例：

   • 这也是一种通用型的实例，与ml.t3.medium类似，但属于较早的实例系列。
   • 包括2个vCPU和4GB内存。
   • 同样适合开发和测试机器学习模型，或者运行轻量级任务。

3. ml.m5.4xlarge实例：

   • 这是一种内存优化的实例，适合于需要大量内存的应用程序。
   • 包括16个vCPU和64GB内存。
   • 适合训练较大的机器学习模型，或者处理需要大量内存的数据集。

4. m4.xlarge实例：

   • 这是一种较早的实例类型，属于通用型系列。
   • 包括4个vCPU和16GB内存。
   • 适合中等负载的机器学习任务。

5. m5.xlarge实例：

   • 这是一种较新的通用型实例，相对于m4.xlarge有所改进。
   • 包括4个vCPU和16GB内存。
   • 适合中等负载的机器学习任务，具有更好的性能和效率。

Amazon SageMaker免费套餐

可以免费试用，免费套餐前6个月的每个月使用情况：每个月提取100000条指标记录，检索100万条指标记录，并存储100000条指标记录。

 

Amazon SageMaker Studio 是一个基于web的单一界面，适用于完整的机器学习开发，它提供完全托管的集成式开发环境（IDE）何专用工具。只需为SageMaker Studio中的不同IDE以及机器学习工具使用的底层计算和存储空间付费。

 可以使用来自SageMaker Studio、适用于python的Amazon SDK（boto3）或AWS命令行界面（AWS CLI）的许多服务

使用sagemaker studio准备数据并构建、训练和部署模型

 Amazon SageMaker Studio 提供多种专门构建的工具来执行所有机器学习开发环境，从准备数据到构建、训练、部署和管理机器学习模型。可以使用首选IDE快速上传数据并构建模型。简化机器学习团队协作，使用人工智能驱动型编程辅助工具高效编码，调整和调试模型，在生产环境中部署和管理模型，实现工作流程自动化，所有这些都在一个统一的WEB界面中完成。

可以快速上传数据、创建新笔记本、训练和调优模型，在步骤之间来回切换以调整实验，以及在sagemaker studio的情况下降模型部署到生产环境中，能够快速切换环境并在组织内无缝协作，以大规模构建机器学习模型

支持一键式部署和150多种流行的开源模型的微调，例如自然语言处理、对象检测和图像分类模型。热门的解决方案包括：

提取和分析数据：自动从文档中提取、处理和分析数据，以进行更准确的调整和更快的决策

欺诈侦测：更快地自动检测可疑交易并提醒您的客户，以减少潜在的财务损失

流失预测：预测客户流失的可能性，通过锁定可能的放弃者并采取补救措施（例如促销优惠）来提高保留率

个性化推荐：为客户提供定制的独特体验，以提高客户满意度并快速发展业务

studio lab用户界面中的项目描述

提供CPU和GPU选择

CPU：其中CPU目的是为了高效处理各种任务，但是它可以同时运行的任务数量受到限制，对于机器学习，建议使用CPU来执行计算密集型算法，例如时间序列、预测和表格数据

CPU计算类型一次最多可运行4小时，24小时内最多可运行8小时

GPU：目的是为了同时渲染高分辨率图像和视频，建议使用GPU来执行深度学习任务，尤其是transformer和计算机视觉，GPU计算类型一次最多4小时，24小时内限制为4小时

 总结：Amazon SageMaker Studio是一种机器学习服务，帮助开发人员快速准备、构建、训练和部署高质量的机器学习模型。额可以轻松构建和训练机器学习模型，并将其直接部署到生产就绪的托管环境中