Amazon Sagemaker

Cree, entrene e implemente modelos de machine learning (ML) para cualquier caso de uso con infraestructura, herramientas y flujos de trabajo completamente administrados.

¿Por qué elegir SageMaker?

Amazon SageMaker es un servicio totalmente administrado que reúne un amplio conjunto de herramientas para permitir el machine learning (ML) de alto rendimiento y bajo costo para cualquier caso de uso. Con SageMaker, puede crear, entrenar e implementar modelos de ML a escala con herramientas como blocs de notas, depuradores, generadores de perfiles, canalizaciones, MLOP y más, todo en un entorno de desarrollo integrado (IDE). SageMaker cumple con los requisitos de gobernanza con un control de acceso simplificado y transparencia en sus proyectos de ML. Además, puede crear sus propios FM, modelos de gran tamaño que se entrenaron con conjuntos de datos enormes, con herramientas diseñadas específicamente para ajustar, experimentar, volver a capacitar e implementar los FM. SageMaker ofrece acceso a cientos de modelos entrenados con anterioridad, incluidas máquinas virtuales disponibles públicamente, que puede implementar con solo unos clics.
 

Beneficios de SageMaker

Permita que más personas efectúen innovaciones con ML a través de una opción de herramientas: IDE para los científicos de datos e interfaces sin código para los analistas de negocios.
Cree sus propios modelos de ML, incluidos los FM para impulsar las aplicaciones de IA generativa, con herramientas integradas especialmente diseñadas y una infraestructura rentable y de alto rendimiento.
Automatice y estandarice las prácticas y la gobernanza de MLOps en toda su organización para respaldar la transparencia y las auditorías.
Aproveche el poder de la retroalimentación humana a lo largo del ciclo de vida de ML para mejorar la precisión y la relevancia de los FM con capacidades de interacción humana.
Obtenga asistencia durante todo el proceso de desarrollo de machine learning, desde la preparación de los datos y el entrenamiento del modelo hasta su despliegue. Amazon Q Developer puede generar sugerencias de código, responder a sus preguntas y ofrecer asistencia para la solución de problemas cuando encuentre errores.

Precios y nivel gratuito de Amazon SageMaker

El nivel gratuito de SageMaker ofrece una prueba gratis de 2 meses que proporciona 250 horas al mes de uso de cuadernos t2.medium o t3.medium, 50 horas al mes de m4.xlarge o m5.xlarge para entrenamiento y 125 horas al mes de m4.xlarge o m5.xlarge para hosting. Para obtener más información sobre la oferta de nivel gratuito de SageMaker y las opciones de precios rentables, visite la página de precios de SageMaker.

Uso de Amazon SageMaker para la IA generativa

Amazon SageMaker ayuda a los científicos de datos y a los ingenieros de machine learning a crear modelos fundacionales desde cero, evaluarlos y personalizarlos con técnicas avanzadas y desplegarlos con controles detallados para casos de uso de IA generativa con requisitos estrictos de precisión, latencia y costo.

Cree modelos básicos desde cero

Amazon SageMaker ofrece herramientas para capacitar previamente a los modelos fundacionales desde cero para que puedan usarse internamente u ofrecerse a otras empresas para aplicaciones de IA generativa.

Personalice los modelos básicos con técnicas avanzadas

Amazon SageMaker proporciona acceso a cientos de modelos fundacionales disponibles al público y a herramientas para evaluar y personalizar completamente los modelos para sus casos de uso y datos específicos.

Despliegue modelos básicos para la inferencia

Amazon SageMaker facilita el despliegue de modelos fundacionales para realizar solicitudes de inferencia con la mejor relación precio-rendimiento para cualquier caso de uso.

Compatible con los principales marcos, conjuntos de herramientas y lenguajes de programación de ML

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

Machine learning de alto rendimiento y bajo costo a escala

Más de 1,5 billones

de solicitudes de inferencias al mes

40%

de reducción de costos para el etiquetado de datos

Menos de 10 milisegundos

de latencia de sobrecarga de inferencia