ML-Modelle mit SageMaker AI (ehemals Amazon SageMaker) erstellen, trainieren und bereitstellen

Amazon SageMaker

Die nächste Generation von Amazon SageMaker ist das Zentrum für all Ihre Daten, Analytik und KI
Erste Schritte mit Amazon SageMaker

Übersicht

Amazon SageMaker vereint die weit verbreiteten AWS-Funktionen für Machine Learning und Analytik und bietet ein integriertes Erlebnis für Analytik und KI mit einheitlichem Zugriff auf alle Ihre Daten. Kollaborieren und erstellen Sie schneller von einem einheitlichen Studio (Vorschau) aus mit vertrauten AWS-Tools für Modellentwicklung, generative KI, Datenverarbeitung und SQL-Analysen, beschleunigt durch Amazon Q Developer, den leistungsfähigsten generativen KI-Assistenten für die Softwareentwicklung. Greifen Sie auf sämtliche Daten zu, unabhängig davon, ob sie in Data Lakes, Data Warehouses, Drittanbieter- oder Verbunddatenquellen gespeichert sind und sorgen Sie für integrierte Governance, um die Sicherheitsanforderungen des Unternehmens zu erfüllen.

Vorteile

Amazon SageMaker Unified Studio (Vorversion) bietet ein integriertes Erlebnis, mit dem Sie all Ihre Daten und Tools für Analytik und KI nutzen können. Entdecken Sie Ihre Daten und nutzen Sie sie mit vertrauten AWS-Tools für Modellentwicklung, generative KI, Datenverarbeitung und SQL-Analytik. Arbeiten Sie mit vereinheitlichten Notebooks über mehrere Rechenressourcen hinweg, entdecken und fragen Sie verschiedene Datenquellen mit einem integrierten SQL-Editor ab, trainieren und implementieren Sie KI-Modelle in großem Maßstab und erstellen Sie schnell benutzerdefinierte generative KI-Anwendungen. Erstellen Sie Analytik- und KI-Artefakte wie Daten, Modelle und generative KI-Anwendungen und teilen Sie sie sicher, um Datenprodukte schneller auf den Markt zu bringen.
Beschleunigen Sie die KI in Amazon SageMaker mit einer umfassenden Reihe von KI-Entwicklungsfunktionen, die standardmäßig sicher sind. Training, Anpassung und Bereitstellung von ML- und Basismodellen (FMs) auf einer hochleistungsfähigen und kostengünstigen Infrastruktur. Verwenden Sie speziell entwickelte Tools, die den gesamten KI-Lebenszyklus abdecken – von leistungsstarken integrierten Entwicklungsumgebungen (IDEs) und verteilten Trainings bis hin zu Inferenz, KI-Operationen, Governance und Beobachtbarkeit. Erstellen Sie schnell generative KI-Anwendungen, die auf Ihr Unternehmen zugeschnitten sind, mit modernsten Modellen und Ihren firmeneigenen Daten. Beschleunigen Sie die KI-Entwicklung mit Amazon Q Developer, damit Sie Daten einfacher finden, ML-Modelle erstellen und trainieren, SQL-Abfragen generieren und Daten-Pipeline-Aufträge erstellen und ausführen können – alles in natürlicher Sprache.
Vereinheitlichen Sie all Ihre Daten in Amazon Simple Storage Service (Amazon S3) Data Lakes und Amazon Redshift Data Warehouses mit Amazon SageMaker Lakehouse. Verschaffen Sie sich die Flexibilität, auf Ihre Daten mit allen Apache-Iceberg-kompatiblen Tools und Engines in einer einzigen Kopie der Analytikdaten zuzugreifen und diese abzufragen. Schützen Sie Ihre Daten, indem Sie detaillierte Berechtigungen definieren, die auf Ihre Analytik- und KI-Tools im Lakehouse angewendet werden. Bringen Sie Daten aus Betriebsdatenbanken und Anwendungen durch Null-ETL-Integrationen nahezu in Echtzeit in Ihr Lakehouse. Darüber hinaus können Sie mit Verbundabfragefunktionen aus Datenquellen von Drittanbietern direkt auf Daten zugreifen und diese abfragen.
Sorgen Sie für Unternehmenssicherheit mit integrierter Governance für den gesamten Daten- und KI-Lebenszyklus. Amazon SageMaker ermöglicht es Ihnen, den Zugriff auf die richtigen Daten, Modelle und Entwicklungsartefakte durch den richtigen Benutzer für den richtigen Zweck zu kontrollieren. Definieren und setzen Sie Zugriffsrichtlinien konsistent mithilfe eines einzigen Berechtigungsmodells mit differenzierten Zugriffskontrollen mit dem Amazon-SageMaker-Katalog durch. Sichern und schützen Sie Ihre KI-Modelle mit Datenklassifizierung, Toxizitätserkennung, Integritätsschutz und verantwortungsvollen KI-Richtlinien. Gewinnen Sie Vertrauen in Ihrem gesamten Unternehmen durch Überwachung und Automatisierung der Datenqualität, Erkennung sensibler Daten sowie Daten- und ML-Herkunft.

Lernen Sie die nächste Generation von SageMaker

Funktionsmöglichkeiten

Kunden

Toyota

„Zur Bewältigung von isolierten Datensätzen, die in unseren Automobilbetrieben verteilt sind, untersuchen wir Amazon SageMaker, um Daten aus unseren vernetzten Auto-, Vertriebs-, Fertigungs- und Lieferketteneinheiten zu vereinheitlichen und zu verwalten. Dieser Ansatz ermöglicht es uns, Daten mühelos zu suchen, zu entdecken und auszutauschen und so die Grundlage dafür zu schaffen, Qualitätsprobleme vorzubeugen, die Sicherheit und Zufriedenheit unserer Kunden zu erhöhen und die Entwicklung generativer KI-Anwendungen zu beschleunigen.“

– Kamal Distell, VP of Data, Analytics, Platforms, und Data Science, TMNA

image

NatWest Group

„Unser Datenplattform-Engineering-Team hat mehrere Endbenutzertools für Data-Engineering-, ML-, SQL- und GenKI-Aufgaben eingesetzt. Da wir versuchen, die Prozesse in der gesamten Bank zu vereinfachen, haben wir uns mit der Optimierung der Benutzerauthentifizierung und der Datenzugriffsautorisierung befasst. Amazon SageMaker bietet ein vorgefertigtes Benutzererlebnis, das uns hilft, eine einzige Umgebung im gesamten Unternehmen bereitzustellen. Dadurch wird die Zeit, die unsere Datennutzer für den Zugriff auf neue Tools benötigen, um etwa 50 % reduziert.“

– Zachery Anderson, CDAO, NatWest Group

image

Roche

„Wir haben Amazon Redshift verwendet, um Erkenntnisse aus strukturierten und halbstrukturierten Daten in all unseren Daten-Repositorys zu gewinnen. Das neue Amazon SageMaker Lakehouse begeistert mich mit seinem Potenzial, den Zugriff auf Data Lake und andere Datenquellen mit Services wie Amazon Redshift, Glue-Datenkatalog und Lake Formation zu verbessern und zu vereinheitlichen. Diese Innovation wird es unseren Daten- und Entwicklungsteams ermöglichen, den Datenzugriff zu vereinfachen und die Interoperabilität zwischen Daten-, Analytik- und Anwendungs-Workloads zu fördern. Ich rechne mit einer deutlichen Verringerung von Datenfehlern durch weniger Datenkopien, eine Verringerung der Verarbeitungszeit um 40 %, ein schnelleres Write-Back von Analytikdaten in Transaktionssysteme zur Verbesserung der Entscheidungsfindung und die Möglichkeit für unsere Teams, sich auf die Schaffung von Geschäftswerten zu konzentrieren.“

– Yannick Misteli, Head of Engineering, Global Product Strategy, Roche

image

Lennar

„Wir haben die letzten 18 Monate damit verbracht, mit AWS zusammenzuarbeiten, um unsere Datenbasis so zu transformieren, dass wir erstklassige Lösungen verwenden können, die auch kostengünstig sind. Mit Fortschritten wie Amazon SageMaker Unified Studio und Amazon SageMaker Lakehouse gehen wir davon aus, dass wir unsere Liefergeschwindigkeit durch den nahtlosen Zugriff auf Daten und Services beschleunigen werden, sodass unsere Ingenieure, Analysten und Wissenschaftler Einblicke gewinnen können, die für unser Unternehmen von erheblichem Wert sind.“

– Lee Slezak, SVP of Data and Analytic, Lennar

image

Natera, Inc

„Unser Unternehmen nutzt Amazon DataZone, Amazon SageMaker AI, Amazon Athena und Amazon Redshift, um unsere klinischen und genomischen Daten zu verwalten und zu analysieren. Wir freuen uns über die nun vereinheitlichte Governance des Amazon-SageMaker-Katalogs, die unsere Datenermittlung und den Datenzugriff optimieren wird und es unserem Team ermöglicht, relevante Daten in unserem gesamten Bereich schnell zu analysieren. Diese Integration wird uns dabei helfen, maßgeschneiderte Datensätze zu erstellen, die Zeit bis zur Gewinnung von Erkenntnissen möglicherweise zu verkürzen und letztlich die Patientenergebnisse zu verbessern, während wir unserem Ziel näher kommen, personalisierte Gentests zu einem Standard in der Versorgung zu machen.“

– Mirko Buholzer, VP of Software Engineering, Natera, Inc.

image