亚马逊云AWS

亚马逊云AWS官网：

Amazon SageMaker的模型构建、训练和部署，利用这些资源帮助您快速地从概念转向生产。

Amazon SageMaker 是一项完全托管的服务，可以帮助机器学习开发者和数据科学家快速构建、训练和部署模型。它完全消除了机器学习过程中各个步骤的繁重工作，让开发高质量模型变得更加轻松。

通过传统的方式创建机器学习模型，开发人员需要从数据准备过程开始，经过可视化、选择算法、设置框架、训练模型、调整数百万个可能的参数、部署模型并监视其性能，这个过程往往需要重复多次，非常繁琐且特别耗时。

Amazon SageMaker 的一些功能和组件：

• Amazon SageMaker Studio：这是首个适用于机器学习的集成开发环境（IDE）。您可以在统一的可视化界面中操作 Notebook、创建模型、管理模型试验、调试，以及检测模型偏差。
• Amazon SageMaker Notebooks：它可以加快构建和协作。许多用户使用单台服务器运行 Jupyter Notebook，但需要管理底层资源。Amazon SageMaker Notebook 可以一键启动 Jupyter Notebook，并由亚马逊云科技负责底层计算资源的托管。同时，它还支持一键共享 Notebook，方便机器学习团队协作。
• Amazon SageMaker Autopilot：这个功能实现了模型的自动构建与优化。在设计机器学习模型时，我们需要尝试不同的算法和参数集合，而找到有效的算法通常需要耗费大量时间。Amazon SageMaker Autopilot 可以自动检查原始数据、选择最佳算法参数集合、训练和调优多个模型，以及根据性能对模型进行排名，从而缩短寻找最佳模型所需的时间。
• Amazon SageMaker Debugger：它可以分析、检测和提醒与机器学习相关的问题。训练模型的过程通常是不透明的，而且耗时较长。Amazon SageMaker Debugger 可以在训练期间自动捕获实时指标，让训练流程更加透明，提高模型精度。它还会对常见问题发出告警并提供修复建议。
• Amazon SageMaker Model Monitor：它可以让模型保持精确。模型部署之后，概念漂移（concept drift）是一个常见问题。Amazon SageMaker Model Monitor 可以检测已部署模型的概念漂移，并提供详细的警报，帮助确定问题根源。

Amazon SageMaker 的功能包含模型构建、训练和部署三大部分

• 构建：Amazon SageMaker 提供了快速连接到您的训练数据所需的所有内容，从而可以轻松构建 ML 模型并为训练做好准备，并且还可以轻松为您的应用程序选择和优化最佳算法和框架。Amazon SageMaker 包含托管的 Jupyter 笔记本，您可以轻松浏览和可视化在 Amazon S3 中存储的训练数据。您可以选择直接连接到 S3 中的数据，或者使用 AWS Glue 将数据从 Amazon RDS、Amazon DynamoDB 和 Amazon Redshift 移动到 S3 ，然后在笔记本中进行分析。为了帮助您选择算法，Amazon SageMaker 包含 10 种最常用的机器学习算法，这些算法已预装好并进行过优化，与在任何其他地方运行这些算法相比，最多可以将性能提高 10 倍。Amazon SageMaker 默认配置了 TensorFlow 和 Apache MXNet，这是两种最常见的开源框架。您也可以选择使用自己的框架。
• 训练：只需单击一下，您就可以在 Amazon SageMaker 控制台中开始训练模型。Amazon SageMaker 可以管理所有底层基础设施，并且可以轻松以 PB 级扩展以训练模型。为了使训练过程更快更轻松，Amazon SageMaker 可以自动调整您的模型以达到最高的精度。
• 部署：在训练并调整模型后，Amazon SageMaker 可以轻松在生产环境中部署该模型，以便开始针对新数据运行和生成预测（该过程称为推理）。Amazon SageMaker 会在跨多个可用区的 Amazon EC2 实例自动扩展集群上部署模型以实现高性能和高可用性。Amazon SageMaker 还包含内置的 A/B 测试功能，以帮助您测试模型并试验不同的版本以获得最佳效果。

以下是创建机器学习模型的典型工作流程：

那么 Amazon SageMaker 是一项完全托管的服务，它提供了一站式的机器学习开发环境，从数据准备、模型训练到模型部署，所有这些都可以在云端完成，十分方便快捷，能够带来巨大的效能提升。

以下是 Amazon SageMaker 提供的几种机器学习开发环境：

• Amazon SageMaker Studio：允许您构建、训练、调试、部署和监控您的机器学习模型。

• 亚马逊 SageMaker 笔记本实例：允许您准备和处理数据，以及从运行 Jupyter Notebook 应用程序的计算实例训练和部署机器学习模型。

• Amazon SageMaker Studio Lab：Studio Lab 是一项免费服务，可让您在基于开源的环境中访问亚马逊云科技计算资源 JupyterLab，无需亚马逊云科技账户。

• Amazon SageMaker Canvas：使您能够使用机器学习来生成预测，而无需编写代码。

• Amazon SageMaker 地理空间：使您能够构建、训练和部署地理空间模型。
• Amazon rStud ioSageMaker：rStudio 是 R 的 IDE，它具有支持直接执行代码的控制台、语法突出显示编辑器以及用于绘图、历史记录、调试和工作区管理的工具。

对于不想处理硬件、软件和基础架构等方面问题，希望简化操作机器学习模型开发流程，灵活选择算法和模型及资源以满足不同业务需求的，可以放心的选择 Amazon SageMaker！