Las traducciones son generadas a través de traducción automática. En caso de conflicto entre la traducción y la version original de inglés, prevalecerá la version en inglés.
Elegir un servicio AWS de aprendizaje automático
Elija los marcos y servicios de aprendizaje automático adecuados para respaldar su trabajo
| Finalidad |
Ayude a determinar qué AWS servicios de aprendizaje automático se adaptan mejor a sus necesidades. |
| Última actualización |
3 de mayo de 2024 |
| Servicios cubiertos |
|
Introducción
En su forma más básica, el aprendizaje automático (ML) está diseñado para proporcionar herramientas y servicios digitales para aprender de los datos, identificar patrones, hacer predicciones y luego actuar en función de esas predicciones. Casi todos los sistemas de inteligencia artificial (IA) actuales se crean utilizando el aprendizaje automático. El aprendizaje automático utiliza grandes cantidades de datos para crear y validar la lógica de decisiones. Esta lógica de decisión constituye la base del modelo de IA.
Los escenarios en los que se pueden aplicar los servicios de aprendizaje AWS automático incluyen:
-
Casos de uso específicos: los servicios de aprendizaje AWS automático pueden respaldar sus casos de uso basados en la IA con una amplia gama de algoritmos, modelos y soluciones prediseñados para casos de uso e industrias comunes. Puede elegir entre 23 servicios previamente entrenados, incluidos Amazon Personalize, Amazon Kendra y Amazon Monitron.
-
Personalización y escalado del aprendizaje automático: Amazon SageMaker AI está diseñado para ayudarlo a crear, entrenar e implementar modelos de aprendizaje automático para cualquier caso de uso. Puede crear sus propios modelos fundamentales o acceder a ellos de código abierto AWS a través de Amazon SageMaker AI y Amazon Bedrock.
-
Acceso a una infraestructura especializada: utilice los marcos y la infraestructura de aprendizaje automático que le proporcionan AWS cuando necesite una flexibilidad y un control aún mayores sobre sus flujos de trabajo de aprendizaje automático y esté dispuesto a gestionar usted mismo la infraestructura y los recursos subyacentes.
Esta guía de decisiones le ayudará a formular las preguntas correctas, a evaluar sus criterios y su problema empresarial, y a determinar qué servicios son los que mejor se adaptan a sus necesidades.
¿Comprende
A medida que las organizaciones siguen adoptando las tecnologías de inteligencia artificial y aprendizaje automático, la importancia de comprender y elegir entre los AWS servicios de aprendizaje automático es un desafío continuo.
AWS proporciona una gama de servicios de aprendizaje automático diseñados para ayudar a las organizaciones a crear, entrenar e implementar modelos de aprendizaje automático de forma más rápida y sencilla. Estos servicios se pueden utilizar para resolver una amplia gama de problemas empresariales, como la predicción de la rotación de clientes, la detección de fraudes y el reconocimiento de imagen y voz.
Antes de profundizar en los servicios de aprendizaje AWS automático, veamos la relación entre la IA y el aprendizaje automático.
-
En términos generales, la inteligencia artificial es una forma de describir cualquier sistema que pueda replicar tareas que antes requerían inteligencia humana. La mayoría de los casos de uso de la IA buscan un resultado probabilístico: hacer una predicción o una decisión con un alto grado de certeza, similar al juicio humano.
-
Casi todos los sistemas de IA actuales se crean mediante el aprendizaje automático. El aprendizaje automático utiliza grandes cantidades de datos para crear y validar la lógica de decisiones, lo que se conoce como modelo.
-
La IA de clasificación es un subconjunto del aprendizaje automático que reconoce patrones para identificar algo. La IA predictiva es un subconjunto del ML que predice las tendencias futuras en función de patrones estadísticos y datos históricos.
-
Por último, la IA generativa es un subconjunto del aprendizaje profundo que puede crear nuevos contenidos e ideas, como conversaciones, historias, imágenes, vídeos y música. La IA generativa se basa en modelos muy grandes que se entrenan previamente en vastos corpus de datos, denominados Modelos Fundamentales o. FMs Amazon Bedrock es un servicio totalmente gestionado que ofrece una variedad de opciones de alto rendimiento FMs para crear y escalar aplicaciones de IA generativa. Amazon Q Developer y Amazon Q Business son asistentes basados en IA generativa para casos de uso específicos.
Esta guía está diseñada principalmente para cubrir los servicios de las categorías de IA de clasificación y aprendizaje automático de IA predictiva.
Además, AWS ofrece hardware especializado y acelerado para la formación e inferencia de aprendizaje automático de alto rendimiento.
-
Las instancias Amazon EC2 P5 están equipadas con NVIDIA H100 Tensor Core GPUs, que son ideales tanto para tareas de entrenamiento como de inferencia en el aprendizaje automático. Las instancias Amazon EC2 G5 incluyen hasta 8 NVIDIA A10G Tensor Core y procesadores AMD EPYC de segunda generación GPUs, para una amplia gama de casos de uso de aprendizaje automático y con uso intensivo de gráficos.
-
AWS Trainiumes el acelerador de aprendizaje automático de segunda generación diseñado específicamente para el entrenamiento de aprendizaje profundo (DL) de más de AWS 100 000 millones de modelos de parámetros.
-
AWS Inferentia Las instancias Amazon EC2 Inf2 basadas en 2 están diseñadas para ofrecer un alto rendimiento al menor coste en Amazon EC2 para sus aplicaciones de DL e inferencia de IA generativa.
Considere
Al resolver un problema empresarial con los servicios de aprendizaje AWS automático, tener en cuenta varios criterios clave puede ayudar a garantizar el éxito. En la siguiente sección se describen algunos de los criterios clave que se deben tener en cuenta a la hora de elegir un servicio de aprendizaje automático.
- Problem definition
-
Definición del problema
El primer paso en el ciclo de vida del aprendizaje automático es plantear el problema empresarial. Comprender el problema que se intenta resolver es esencial para elegir el servicio de aprendizaje AWS automático adecuado, ya que los diferentes servicios están diseñados para abordar diferentes problemas. También es importante determinar si el aprendizaje automático es la mejor opción para su problema empresarial.
Una vez que haya determinado que el aprendizaje automático es la mejor opción, puede empezar por elegir entre una gama de servicios de AWS IA diseñados específicamente (en áreas como la voz, la visión y los documentos).
Amazon SageMaker AI proporciona una infraestructura totalmente gestionada si necesita crear y entrenar sus propios modelos. AWS ofrece una variedad de marcos de aprendizaje automático avanzados y opciones de infraestructura para los casos en los que necesite modelos de aprendizaje automático altamente personalizados y especializados. AWS también ofrece un amplio conjunto de modelos básicos populares para crear nuevas aplicaciones con IA generativa.
- ML algorithm
-
Algoritmo ML
La elección del algoritmo de aprendizaje automático para el problema empresarial que se está intentando resolver depende del tipo de datos con los que se esté trabajando, así como de los resultados deseados. La siguiente información describe cómo cada una de las principales categorías de servicios AWS de IA y aprendizaje automático le permite trabajar con sus algoritmos:
-
Servicios de IA especializados: estos servicios ofrecen una capacidad limitada para personalizar el algoritmo de aprendizaje automático, ya que son modelos preentrenados y optimizados para tareas específicas. Por lo general, puede personalizar los datos de entrada y algunos parámetros, pero no tiene acceso a los modelos de aprendizaje automático subyacentes ni la capacidad de crear sus propios modelos.
-
Amazon SageMaker AI: este servicio proporciona la mayor flexibilidad y control sobre el algoritmo ML. Puede usar la SageMaker IA para crear modelos personalizados con sus propios algoritmos y marcos, o usar modelos y algoritmos prediseñados proporcionados por AWS. Esto permite un alto grado de personalización y control sobre el proceso de aprendizaje automático.
-
Infraestructura y marcos de aprendizaje automático de nivel inferior: estos servicios ofrecen la mayor flexibilidad y control sobre el algoritmo de aprendizaje automático. Puede utilizar estos servicios para crear modelos de aprendizaje automático altamente personalizados utilizando sus propios algoritmos y marcos. Sin embargo, el uso de estos servicios requiere una gran experiencia en aprendizaje automático y puede que no sea factible para todos los casos de uso.
- Security
-
Seguridad
Si necesita un punto de conexión privado en su VPC, las opciones variarán en función de la capa de servicios de AWS aprendizaje automático que utilice. Entre ellos se incluyen:
-
Servicios de IA especializados: la mayoría de los servicios de IA especializados no admiten actualmente puntos de conexión privados. VPCs Sin embargo, se puede acceder a Amazon Rekognition Custom Labels y Amazon Comprehend Custom mediante puntos de enlace de VPC.
-
Los principales servicios de IA: Amazon Translate, Amazon Transcribe y Amazon Comprehend son compatibles con puntos de enlace de VPC.
-
Amazon SageMaker SageMaker AI: la IA proporciona soporte integrado para los puntos de enlace de la VPC, lo que le permite implementar sus modelos entrenados como un punto de enlace al que solo se puede acceder desde su VPC.
-
Infraestructura y marcos de aprendizaje automático de nivel inferior: puede implementar sus modelos en EC2 instancias de Amazon o en contenedores dentro de su VPC, lo que proporciona un control total sobre la configuración de la red.
- Latency
-
Latency (Latencia)
Los servicios de IA de nivel superior, como Amazon Rekognition y Amazon Transcribe, están diseñados para gestionar una amplia variedad de casos de uso y ofrecen un alto rendimiento en términos de velocidad. Sin embargo, es posible que no cumplan con ciertos requisitos de latencia.
Si utilizas infraestructuras y marcos de aprendizaje automático de nivel inferior, te recomendamos que utilices Amazon SageMaker AI. Esta opción suele ser más rápida que la creación de modelos personalizados debido a su servicio totalmente gestionado y a sus opciones de implementación optimizadas. Si bien un modelo personalizado altamente optimizado puede superar a la SageMaker IA, su creación requerirá una gran cantidad de experiencia y recursos.
- Accuracy
-
Precisión
La precisión de los AWS servicios de aprendizaje automático varía según el caso de uso específico y el nivel de personalización requerido. Los servicios de IA de nivel superior, como Amazon Rekognition, se basan en modelos previamente entrenados que se han optimizado para tareas específicas y ofrecen una alta precisión en muchos casos de uso.
En algunos casos, puede optar por utilizar Amazon SageMaker AI, que proporciona una plataforma más flexible y personalizable para crear y entrenar modelos de aprendizaje automático personalizados. Al crear sus propios modelos, es posible que pueda lograr una precisión aún mayor que la que puede obtener con modelos previamente entrenados.
También puede optar por utilizar infraestructuras y marcos de aprendizaje automático, como TensorFlow Apache MXNet, para crear modelos altamente personalizados que ofrezcan la mayor precisión posible para su caso de uso específico.
- AWS and responsible AI
-
AWS y una IA responsable
AWS crea modelos básicos (FMs) teniendo en cuenta la IA responsable en cada etapa de su proceso de desarrollo. A lo largo del diseño, el desarrollo, la implementación y las operaciones, tenemos en cuenta una serie de factores, entre los que se incluyen:
-
Precisión (en qué medida un resumen coincide con el documento subyacente; si la biografía es correcta desde el punto de vista fáctico)
-
Equidad (si los resultados tratan a los grupos demográficos de manera similar)
-
Consideraciones sobre la propiedad intelectual y los derechos de autor
-
Uso adecuado (filtrar las solicitudes de los usuarios de asesoramiento legal, diagnósticos médicos o actividades ilegales)
-
Toxicidad (incitación al odio, blasfemias e insultos)
-
Privacidad (protección de la información personal y las indicaciones de los clientes)
AWS incorpora soluciones para abordar estos problemas en los procesos utilizados para adquirir los datos de entrenamiento, en los FMs propios procesos y en la tecnología utilizada para preprocesar las indicaciones de los usuarios y los resultados posteriores al procesamiento.
Elija
Ahora que conoce los criterios con los que evaluará sus opciones de servicio de aprendizaje automático, está listo para elegir qué AWS servicio de aprendizaje automático es el adecuado para las necesidades de su organización. En la siguiente tabla, se muestran los servicios de aprendizaje automático que están optimizados para determinadas circunstancias. Úselo para ayudar a determinar el AWS servicio de aprendizaje automático que mejor se adapte a su caso de uso.
| Categorías |
¿Cuándo lo usarías? |
¿Para qué está optimizado? |
AI/ML Servicios o entornos relacionados |
|
Casos de uso específicos
Estos servicios de inteligencia artificial están destinados a satisfacer necesidades específicas. Incluyen la personalización, la previsión, la detección de anomalías, la transcripción de voz y otros. Como se ofrecen como servicios, se pueden integrar en las aplicaciones sin necesidad de conocimientos de aprendizaje automático.
|
Utilice los servicios de IA que le ofrece AWS cuando necesite que se integren funcionalidades específicas y prediseñadas en sus aplicaciones, sin necesidad de amplias personalizaciones ni de experiencia en aprendizaje automático. Estos servicios están diseñados para ser fáciles de usar y no requieren mucha codificación o configuración. |
Estos servicios están diseñados para ser fáciles de usar y no requieren mucha experiencia en codificación, configuración o aprendizaje automático. |
Amazon Augmented AI
Amazon CodeGuru
Amazon Comprehend
Amazon Comprehend Medical
El DevOps gurú de Amazon
Amazon Forecast
Amazon Kendra
Amazon Lex
Amazon Personalize
Amazon Polly
Amazon Rekognition
Amazon Textract
Amazon Transcribe
Amazon Translate
|
|
Servicios de ML
Estos servicios se pueden utilizar para desarrollar modelos o flujos de trabajo de aprendizaje automático personalizados que van más allá de las funcionalidades prediseñadas que ofrecen los principales servicios de IA.
|
Utilice estos servicios cuando necesite modelos o flujos de trabajo de aprendizaje automático más personalizados que vayan más allá de las funcionalidades prediseñadas que ofrecen los servicios principales de IA. |
Estos servicios están optimizados para crear y entrenar modelos de aprendizaje automático personalizados, entrenar a gran escala en múltiples instancias o clústeres de GPU, tener más control sobre el despliegue de los modelos de aprendizaje automático, realizar inferencias en tiempo real y crear end-to-end flujos de trabajo. |
Amazon SageMaker AI
Amazon SageMaker AI JumpStart
SageMaker Estudio de IA
SageMaker AI Canvas
SageMaker Laboratorio AI Studio
SageMaker AI Ground Truth
PyTorch en AWS
Apache MxNet
Hugging Face
TensorFlow en AWS
|
|
Infraestructura
Para implementar el aprendizaje automático en la producción, necesitas una infraestructura rentable, que Amazon habilita con AWS silicio incorporado.
|
Úselo cuando desee lograr el menor costo posible para los modelos de entrenamiento y necesite realizar inferencias en la nube. |
Optimizado para respaldar la implementación rentable del aprendizaje automático. |
AWS Trainium
AWS Inferentia e Inferentia2
Amazon SageMaker AI HyperPod
|
|
Herramientas y servicios asociados
Estas herramientas y los servicios asociados están diseñados para ayudarle a facilitar la implementación del aprendizaje automático.
|
Estos servicios y herramientas están diseñados para ayudarlo a acelerar el aprendizaje profundo en la nube, ya que proporcionan imágenes de máquinas de Amazon, imágenes de docker y resolución de entidades. |
Optimizados para ayudarle a acelerar el aprendizaje profundo en la nube. |
AWS Deep Learning AMIs s
AWS Deep Learning Containers
AWS Resolución de entidades
|
Uso
Ahora que tiene una idea clara de los criterios que debe aplicar para elegir un servicio de AWS aprendizaje automático, puede seleccionar qué servicios de AWS IA y aprendizaje automático están optimizados para sus necesidades empresariales.
Para explorar cómo usarlos y obtener más información sobre los servicios que ha elegido, le ofrecemos tres conjuntos de vías para explorar cómo funciona cada servicio. El primer conjunto de rutas proporciona documentación detallada, tutoriales prácticos y recursos para empezar a utilizar Amazon Comprehend, Amazon Textract, Amazon Translate, Amazon Lex, Amazon Polly, Amazon Rekognition y Amazon Transcribe.
- Amazon Comprehend
-
-
Comience a utilizar Amazon Comprehend
Utilice la consola Amazon Comprehend para crear y ejecutar un trabajo de detección de entidades asíncrona.
Comience con el tutorial»
-
Analice información en texto con Amazon Comprehend
Aprenda a usar Amazon Comprehend para analizar textos y obtener información a partir de ellos.
Comience con el tutorial»
-
Precios de Amazon Comprehend
Consulta información sobre los precios y ejemplos de Amazon Comprehend.
Explore la guía»
- Amazon Textract
-
-
Cómo empezar a usar Amazon Textract
Descubra cómo se puede utilizar Amazon Textract con texto formateado para detectar palabras y líneas de palabras que estén cerca unas de otras, así como para analizar un documento en busca de elementos como texto relacionado, tablas, pares clave-valor y elementos de selección.
Explore la guía»
-
Extracción de texto y datos estructurados con Amazon Textract
Aprenda a usar Amazon Textract para extraer texto y datos estructurados de un documento.
Comience con el tutorial»
-
AWS Power Hour: Machine Learning
Sumérjase en Amazon Textract en este episodio, dedique tiempo a ello y revise ejemplos de código que le ayudarán a entender cómo aprovechar al máximo el servicio. AWS Management Console APIs
Vea el vídeo»
- Amazon Translate
-
-
Cómo empezar a utilizar Amazon Translate mediante la consola
La forma más sencilla de comenzar a utilizar Amazon Translate consiste en utilizar la consola para traducir un texto. Aprenda a traducir hasta 10 000 caracteres con la consola.
Explora la guía»
-
Traduce texto entre idiomas en la nube
En este ejemplo de tutorial, como parte de una empresa internacional de fabricación de equipaje, debes entender lo que los clientes dicen sobre tu producto en las reseñas en el idioma del mercado local, el francés.
Empieza con el tutorial»
-
Precios de Amazon Translate
Conozca los precios de Amazon Translate, incluida la capa gratuita, que proporciona 2 millones de caracteres al mes durante 12 meses.
Explore la guía»
- Amazon Lex
-
-
Guía para desarrolladores de Amazon Lex V2
Consulte información sobre cómo empezar, cómo funciona e información sobre los precios de Amazon Lex V2.
Explore la guía»
-
Introducción a Amazon Lex Le presentamos el servicio conversacional Amazon Lex y le explicamos algunos ejemplos que muestran cómo crear un bot e implementarlo en diferentes servicios de chat.
Realice el curso» (es necesario iniciar sesión)
-
Explorando la IA generativa en las experiencias conversacionales
Explore el uso de la IA generativa en las experiencias de conversación.
Lea el blog»
- Amazon Polly
-
-
¿Qué es Amazon Polly?
Obtenga una visión general completa del servicio en la nube que convierte el texto en voz realista y que se puede utilizar para desarrollar aplicaciones que aumenten la captación de clientes y la accesibilidad.
Explore la guía»
-
Resalta el texto a medida que se está pronunciando con Amazon Polly
Le presentamos algunos enfoques para resaltar el texto mientras se habla para añadir capacidades visuales al audio en libros, sitios web, blogs y otras experiencias digitales.
Lea el blog»
-
Cree audio para contenido en varios idiomas con el mismo personaje de voz TTS en Amazon Polly
Explicamos Neural Text-to-Speech (NTTS) y analizamos cómo una amplia gama de voces disponibles, que ofrece una gama de hablantes distintos en los idiomas compatibles, puede funcionar para usted.
Lea el blog»
- Amazon Rekognition
-
-
¿Qué es Amazon Rekognition?
Descubra cómo puede utilizar este servicio para añadir análisis de imágenes y vídeos a sus aplicaciones.
Explore la guía»
-
Rekognition práctico: análisis automatizado de imágenes y vídeos
Aprenda cómo funciona el reconocimiento facial con la transmisión de vídeo, junto con ejemplos de códigos y puntos clave, a un ritmo autoguiado.
Comience con el tutorial»
-
Amazon Rekognition FAQs
Conozca los conceptos básicos de Amazon Rekognition y cómo puede ayudarle a mejorar su aprendizaje profundo y a analizar visualmente sus aplicaciones.
Lea la» FAQs
- Amazon Transcribe
-
-
¿Qué es Amazon Transcribe?
Explore el servicio de reconocimiento de voz AWS automático que utiliza ML para convertir audio en texto. Aprenda a utilizar este servicio como una transcripción independiente o a añadir speech-to-text funciones a cualquier aplicación.
Explore la guía»
-
Precios de Amazon Transcribe
Le presentamos la AWS pay-as-you-go transcripción, incluidas las opciones de modelos de idioma personalizados y la capa gratuita de Amazon Transcribe.
Explore la guía»
-
Cree una transcripción de audio con Amazon Transcribe
Aprenda a usar Amazon Transcribe para crear una transcripción de texto de archivos de audio grabados utilizando un caso de uso real para realizar pruebas en función de sus necesidades.
Comience con el tutorial»
-
Cree una aplicación de streaming Amazon Transcribe
Aprenda a crear una aplicación para grabar, transcribir y traducir audio en directo en tiempo real y recibir los resultados directamente por correo electrónico.
Explora la guía»
El segundo conjunto de Servicio de AWS itinerarios de IA y aprendizaje automático proporciona documentación detallada, tutoriales prácticos y recursos para empezar a utilizar los servicios de la familia Amazon SageMaker AI.
- SageMaker AI
-
-
Cómo funciona Amazon SageMaker AI
Conozca la descripción general del aprendizaje automático y cómo funciona la SageMaker IA.
Explore la guía»
-
Cómo empezar a usar Amazon SageMaker AI
Aprenda a unirse a un dominio de Amazon SageMaker AI, que le da acceso a Amazon SageMaker AI Studio y RStudio a SageMaker AI.
Consulte la guía»
-
Utilice Apache Spark con Amazon SageMaker AI
Aprenda a usar Apache Spark para preprocesar datos y la SageMaker IA para el entrenamiento y el alojamiento de modelos.
Explore la guía»
-
Utilice contenedores Docker para crear modelos
Descubra cómo Amazon SageMaker AI hace un uso extensivo de los contenedores de Docker para tareas de compilación y tiempo de ejecución. Aprenda a implementar las imágenes de Docker prediseñadas para sus algoritmos integrados y los marcos de aprendizaje profundo compatibles que se utilizan para el entrenamiento y la inferencia.
Explore la guía»
-
Marcos y lenguajes de aprendizaje automático
Descubra cómo empezar a utilizar la SageMaker IA con el SDK para Python de Amazon SageMaker AI.
Explore la guía»
- SageMaker AI Autopilot
-
-
Cree un experimento de Amazon SageMaker AI Autopilot para datos tabulares
Aprenda a crear un experimento con el piloto automático de Amazon SageMaker AI para explorar, preprocesar y entrenar varios modelos candidatos en un conjunto de datos tabular.
Explore la guía»
-
Cree automáticamente modelos de aprendizaje automático
Aprenda a usar Amazon SageMaker AI Autopilot para crear, entrenar y ajustar automáticamente un modelo de aprendizaje automático y a implementar el modelo para hacer predicciones.
Comience con el tutorial»
-
Explore el modelado con Amazon SageMaker AI Autopilot con estos ejemplos de cuadernos
Explore cuadernos de ejemplo sobre marketing directo, predicción de la rotación de clientes y cómo incorporar su propio código de procesamiento de datos a Amazon SageMaker AI Autopilot.
Explore la guía»
- SageMaker AI Canvas
-
-
Comience a usar Amazon SageMaker AI Canvas
Aprenda cómo empezar a usar SageMaker AI Canvas.
Explora la guía»
-
Genere predicciones de aprendizaje automático sin necesidad de escribir código
En este tutorial se explica cómo utilizar Amazon SageMaker AI Canvas para crear modelos de aprendizaje automático y generar predicciones precisas sin necesidad de escribir una sola línea de código.
Comience con el tutorial»
-
Profundice en SageMaker AI Canvas
Descubre en profundidad SageMaker AI Canvas y sus capacidades visuales de aprendizaje automático sin necesidad de programar.
Lea el blog»
-
Utilice Amazon SageMaker AI Canvas para crear su primer modelo de aprendizaje automático
Aprenda a usar Amazon SageMaker AI Canvas para crear un modelo de aprendizaje automático para evaluar la retención de clientes, basado en una campaña de correo electrónico para nuevos productos y servicios.
Comience con el laboratorio»
- SageMaker AI Data Wrangler
-
-
Cómo empezar a usar Amazon SageMaker AI Data Wrangler
Descubra cómo configurar SageMaker AI Data Wrangler y, a continuación, proporcione un tutorial utilizando un conjunto de datos de ejemplo existente.
Consulta la guía»
-
Prepara los datos de entrenamiento para el aprendizaje automático con un mínimo de código
Aprenda a preparar los datos para el aprendizaje automático con Amazon SageMaker AI Data Wrangler.
Comience con el tutorial»
-
SageMaker Taller de inmersión profunda sobre AI Data Wrangler
Aprenda a aplicar los tipos de análisis adecuados a su conjunto de datos para detectar anomalías y problemas, a utilizar los datos derivados results/insights para formular acciones correctivas en el transcurso de las transformaciones de su conjunto de datos y a probar la elección y la secuencia de transformaciones correctas con las opciones de modelado rápido que ofrece AI Data Wrangler. SageMaker
Comience con el taller»
- SageMaker AI Ground Truth
-
-
Cómo empezar con Amazon Ground Truth
Descubra cómo usar la consola para crear un trabajo de etiquetado, asignar un personal público o privado y enviar el trabajo de etiquetado a su personal. Aprenda a supervisar el progreso de un trabajo de etiquetado.
Explore la guía»
-
Etiquete los datos de entrenamiento para Machine Learning
Aprenda a configurar un trabajo de etiquetado en Amazon SageMaker AI Ground Truth para anotar los datos de entrenamiento de su modelo de aprendizaje automático.
Comience con el tutorial»
-
Cómo empezar a usar Amazon Ground Truth Plus Descubre cómo completar los pasos necesarios para iniciar un proyecto de Amazon SageMaker AI Ground Truth Plus, revisar las etiquetas y cumplir los requisitos previos de SageMaker AI Ground Truth Plus.
Consulta la guía»
-
Empieza a usar Amazon Ground Truth Descubre cómo empezar a etiquetar tus datos en cuestión de minutos a través de la consola SageMaker AI Ground Truth.
Vea el vídeo»
-
Amazon SageMaker AI Ground Truth Plus: cree conjuntos de datos de entrenamiento sin código ni recursos internos
Conozca Ground Truth Plus, un servicio listo para usar que utiliza una fuerza laboral experta para ofrecer rápidamente conjuntos de datos de capacitación de alta calidad y reduce los costos hasta en un 40 por ciento.
Lea el blog»
- SageMaker AI JumpStart
-
-
Comience con el aprendizaje automático con SageMaker IA JumpStart
Explore las plantillas de JumpStart soluciones de SageMaker IA que configuran la infraestructura para casos de uso comunes y los ejemplos de cuadernos ejecutables para el aprendizaje automático con SageMaker IA.
Explore la guía»
-
Comience rápidamente con su proyecto de aprendizaje automático con Amazon SageMaker AI JumpStart
Aprenda a acelerar su proyecto de aprendizaje automático mediante modelos previamente entrenados y soluciones prediseñadas que ofrece Amazon AI. SageMaker JumpStart A continuación, puede implementar el modelo seleccionado a través de las libretas de Amazon SageMaker AI Studio.
Comience con el tutorial»
-
Ponte manos a la obra con Amazon SageMaker AI JumpStart con este taller del Día de Inmersión
Descubra cómo las capacidades de aprendizaje automático de bajo código que se encuentran en Amazon SageMaker AI Data Wrangler, Autopilot y Jumpstart facilitan la experimentación más rápida y llevan modelos de alta precisión a la producción.
Comience con el taller»
- SageMaker AI Pipelines
-
-
Introducción a Amazon SageMaker AI Pipelines
Aprenda a crear end-to-end flujos de trabajo que gestionen e implementen trabajos de SageMaker IA. SageMaker AI Pipelines incluye la integración del SDK de Python para SageMaker IA, por lo que puedes crear cada paso de tu canalización mediante una interfaz basada en Python.
Consulta la guía»
-
Automatice los flujos de trabajo de aprendizaje
Aprenda a crear y automatizar flujos de trabajo de aprendizaje end-to-end automático (ML) con Amazon SageMaker AI Pipelines, Amazon SageMaker AI Model Registry y Amazon SageMaker AI Clarify.
Comience con el tutorial»
-
Cómo crear flujos de trabajo de aprendizaje automático totalmente automatizados con Amazon SageMaker AI Pipelines
Obtenga información sobre Amazon SageMaker AI Pipelines, el primer CI/CD servicio de aprendizaje automático del mundo diseñado para que todos los desarrolladores y científicos de datos puedan acceder a él. SageMaker AI Pipelines lleva las CI/CD canalizaciones al aprendizaje automático, lo que reduce el tiempo de codificación necesario.
Vea el vídeo»
- SageMaker AI Studio
-
-
Cree y entrene un modelo de aprendizaje automático a nivel local
Aprenda a crear y entrenar un modelo de aprendizaje automático de forma local en su bloc de notas de Amazon SageMaker AI Studio.
Comience con el tutorial»
-
SageMaker Taller de integración de AI Studio con EMR
Aprenda a utilizar el procesamiento distribuido a escala para preparar datos y, posteriormente, entrenar modelos de aprendizaje automático.
Comience con el taller»
El tercer conjunto de Servicio de AWS itinerarios de inteligencia artificial y aprendizaje automático proporciona documentación detallada, tutoriales prácticos y recursos para empezar a utilizar Amazon AWS Trainium AWS Inferentia Titan.
- AWS Trainium
-
-
Ampliación de la formación distribuida con AWS Trainium Amazon EKS
Descubra cómo puede beneficiarse de la disponibilidad general de las instancias Amazon EC2 Trn1 impulsadas por AWS Trainium un acelerador de aprendizaje automático especialmente diseñado y optimizado para proporcionar una plataforma de alto rendimiento, rentable y escalable de forma masiva para entrenar modelos de aprendizaje profundo en la nube.
Lea el blog»
-
Descripción general de AWS Trainium
Obtenga información sobre AWS Trainium el acelerador de aprendizaje automático (ML) de segunda generación diseñado específicamente para el entrenamiento de aprendizaje profundo de más de 100 000 millones de modelos de parámetros. AWS Cada instancia Trn1 de Amazon Elastic Compute Cloud (EC2) implementa hasta 16 AWS Trainium aceleradores para ofrecer una solución de alto rendimiento y bajo costo para la formación de aprendizaje profundo (DL) en la nube.
Explore la guía»
-
Instancias de Trainium recomendadas
Descubra cómo se diseñan las AWS Trainium instancias para proporcionar un alto rendimiento y rentabilidad a las cargas de trabajo de inferencia de modelos de aprendizaje profundo.
Explore la guía»
- AWS Inferentia
-
-
Descripción general de AWS Inferentia
Comprenda cómo se diseñan los aceleradores AWS para ofrecer un alto rendimiento al menor costo para sus aplicaciones de inferencia de aprendizaje profundo (DL).
Explore la guía»
-
AWS Inferentia 2 se basa en AWS Inferentia 1 al ofrecer un rendimiento 4 veces mayor y una latencia 10 veces menor
Comprenda para qué está optimizada la versión AWS Inferentia 2 y explore cómo se diseñó desde cero para ofrecer un mayor rendimiento y, al mismo tiempo, reducir el costo de la inferencia generativa de LLMs inteligencia artificial.
Lea el blog»
-
Inferencia de aprendizaje automático mediante AWS Inferentia
Aprenda a crear un clúster de Amazon EKS con nodos que ejecuten instancias de Amazon EC2 Inf1 y, de forma opcional, a implementar una aplicación de muestra. Las instancias de Amazon EC2 Inf1 funcionan con AWS Inferentia chips, que se crean a medida AWS para proporcionar un alto rendimiento y una inferencia de menor costo en la nube.
Explore la guía»
- Amazon Titan
-
-
Descripción general de Amazon Titan
Descubra cómo Amazon FMs Titan se entrena previamente en conjuntos de datos de gran tamaño, lo que los convierte en modelos potentes y de uso general. Descubra cómo puede utilizarlos tal cual (o de forma privada) para personalizarlos con sus propios datos para una tarea concreta sin necesidad de anotar grandes volúmenes de datos.
Explore la guía»
Exploración
-
Diagramas de arquitectura
Estos diagramas de arquitectura de referencia muestran ejemplos de servicios de AWS IA y ML en uso.
Explore los diagramas de arquitectura»
-
Documentos técnicos
Consulte los documentos técnicos que le ayudarán a empezar y a conocer las mejores prácticas a la hora de elegir y utilizar AI/ML los servicios.
Explore los documentos técnicos»
-
AWS Soluciones
Explore las soluciones probadas y la guía de arquitectura para casos de uso comunes de los servicios de IA y aprendizaje automático.
Explore las soluciones»
Recursos
Modelos básicos
Los modelos básicos compatibles incluyen:
Con Amazon Bedrock, puede experimentar con una variedad de modelos básicos y personalizarlos de forma privada con sus datos.
Casos de uso o servicios específicos de la industria
Publicaciones de blog asociadas
