Titik akhir Amazon SageMaker AI

Amazon SageMaker AI adalah layanan ML terkelola yang membantu Anda membuat dan melatih model dan kemudian menerapkannya ke lingkungan host yang siap produksi. Tidak seperti Amazon SageMaker AI Canvas, Anda tidak memiliki opsi untuk menggunakan ready-to-use model di SageMaker AI. Di SageMaker AI, Anda bertanggung jawab untuk menyediakan data sampel dan melatih model. Ini memberi Anda lebih banyak kontrol tetapi juga lebih banyak overhead dan tanggung jawab operasional.

Anda dapat menerapkan model khusus di SageMaker AI sebagai titik akhir real-time atau tanpa server. Atau, Anda dapat menggunakan transformasi batch, tergantung pada permintaan aplikasi Anda. Bahkan jika model tidak akan digunakan sebagai titik akhir SageMaker AI, artefak model yang diproduksi SageMaker AI dapat digunakan untuk penerapan yang disesuaikan. Untuk contoh model klasifikasi gambar SageMaker AI, lihat sumber daya berikut tentang GitHub:

Setelah model dilatih, Anda dapat menggunakan SageMaker AI Neo untuk mengkompilasi model dan membuatnya lebih efisien secara komputasi. Neo secara otomatis mengoptimalkan Gluon, Keras,MXNet, PyTorch, TensorFlow, TensorFlow -Lite, dan ONNX model untuk inferensi di mesin Android, Linux, dan Windows. Untuk informasi selengkapnya, lihat Mengoptimalkan kinerja model menggunakan Neo.

Berikut ini adalah keuntungan dari SageMaker AI:

Berikut ini adalah kelemahan SageMaker AI:

Untuk informasi selengkapnya tentang SageMaker AI, lihat berikut ini: