Le traduzioni sono generate tramite traduzione automatica. In caso di conflitto tra il contenuto di una traduzione e la versione originale in Inglese, quest'ultima prevarrà.
Scelta di un servizio di AWS machine learning
Scegli i servizi e i framework ML giusti per supportare il tuo lavoro
| Scopo |
Aiutaci a determinare quali servizi AWS ML sono più adatti alle tue esigenze. |
| Ultimo aggiornamento |
3 maggio 2024 |
| Servizi coperti |
|
Introduzione
Nella sua forma più elementare, l'apprendimento automatico (ML) è progettato per fornire strumenti e servizi digitali per imparare dai dati, identificare modelli, fare previsioni e quindi agire in base a tali previsioni. Quasi tutti i sistemi di intelligenza artificiale (AI) oggi vengono creati utilizzando il machine learning. Il machine learning utilizza grandi quantità di dati per creare e convalidare la logica decisionale. Questa logica decisionale costituisce la base del modello di intelligenza artificiale.
Gli scenari in cui possono essere applicati i servizi di AWS machine learning includono:
-
Casi d'uso specifici: i servizi di apprendimento AWS automatico possono supportare i casi d'uso basati sull'intelligenza artificiale con un'ampia gamma di algoritmi, modelli e soluzioni predefiniti per casi d'uso e settori comuni. Puoi scegliere tra 23 servizi preformati, tra cui Amazon Personalize, Amazon Kendra e Amazon Monitron.
-
Personalizzazione e scalabilità dell'apprendimento automatico: Amazon SageMaker AI è progettato per aiutarti a creare, addestrare e distribuire modelli di machine learning per qualsiasi caso d'uso. Puoi creare modelli personalizzati o accedere a modelli base open source AWS tramite Amazon SageMaker AI e Amazon Bedrock.
-
Accesso a un'infrastruttura specializzata: utilizza i framework e l'infrastruttura ML forniti da AWS quando hai bisogno di flessibilità e controllo ancora maggiori sui flussi di lavoro di machine learning e sei disposto a gestire autonomamente l'infrastruttura e le risorse sottostanti.
Questa guida decisionale vi aiuterà a porre le domande giuste, a valutare i criteri e i problemi aziendali e a determinare quali servizi sono più adatti alle vostre esigenze.
Comprendi
Poiché le organizzazioni continuano ad adottare tecnologie AI e ML, l'importanza di comprendere e scegliere tra i servizi AWS ML è una sfida continua.
AWS offre una gamma di servizi di machine learning progettati per aiutare le organizzazioni a creare, addestrare e implementare modelli di machine learning in modo più rapido e semplice. Questi servizi possono essere utilizzati per risolvere un'ampia gamma di problemi aziendali, come la previsione del tasso di abbandono dei clienti, il rilevamento delle frodi e il riconoscimento vocale e di immagini.
Prima di approfondire i servizi di AWS machine learning, esaminiamo la relazione tra AI e ML.
-
Ad alto livello, l'intelligenza artificiale è un modo per descrivere qualsiasi sistema in grado di replicare attività che in precedenza richiedevano l'intelligenza umana. La maggior parte dei casi d'uso dell'intelligenza artificiale è alla ricerca di un risultato probabilistico, ossia l'elaborazione di una previsione o di una decisione con un alto grado di certezza, simile al giudizio umano.
-
Quasi tutti i sistemi di intelligenza artificiale oggi vengono creati utilizzando l'apprendimento automatico. Il machine learning utilizza grandi quantità di dati per creare e convalidare la logica decisionale, nota come modello.
-
L'IA di classificazione è un sottoinsieme del machine learning che riconosce i modelli per identificare qualcosa. L'intelligenza artificiale predittiva è un sottoinsieme del machine learning che prevede le tendenze future sulla base di modelli statistici e dati storici.
-
Infine, l'intelligenza artificiale generativa è un sottoinsieme del deep learning in grado di creare nuovi contenuti e idee, come conversazioni, storie, immagini, video e musica. L'intelligenza artificiale generativa è alimentata da modelli molto grandi che vengono preaddestrati su vasti gruppi di dati, chiamati Foundation Models or. FMs Amazon Bedrock è un servizio completamente gestito che offre una scelta di soluzioni ad alte prestazioni FMs per la creazione e la scalabilità di applicazioni AI generative. Amazon Q Developer e Amazon Q Business sono assistenti basati sull'intelligenza artificiale generativa per casi d'uso specifici.
Questa guida è progettata principalmente per coprire i servizi nelle categorie di machine learning Classification AI e Predictive AI.
Inoltre, AWS offre hardware specializzato e accelerato per l'addestramento e l'inferenza ML ad alte prestazioni.
-
Le istanze Amazon EC2 P5 sono dotate di NVIDIA H100 Tensor Core GPUs, ideale sia per attività di formazione che di inferenza nell'apprendimento automatico. Le istanze Amazon EC2 G5 sono dotate di fino a 8 processori NVIDIA A10G Tensor Core e AMD EPYC di seconda generazione GPUs, per un'ampia gamma di casi d'uso con uso intensivo di grafica e apprendimento automatico.
-
AWS Trainiumè l'acceleratore ML di seconda generazione progettato appositamente per l'addestramento in deep learning (DL) di oltre 100 miliardi di modelli di parametri. AWS
-
AWS Inferentia Le istanze Amazon EC2 Inf2 basate su 2 sono progettate per offrire prestazioni elevate al costo più basso su Amazon EC2 per le tue applicazioni di inferenza AI generativa e DL.
Considera
Quando si risolve un problema aziendale con i servizi di AWS machine learning, la considerazione di diversi criteri chiave può contribuire a garantire il successo. La sezione seguente illustra alcuni dei criteri chiave da considerare nella scelta di un servizio ML.
- Problem definition
-
Definizione del problema
Il primo passo nel ciclo di vita del machine learning consiste nell'inquadrare il problema aziendale. Comprendere il problema che si sta cercando di risolvere è essenziale per scegliere il servizio di AWS machine learning giusto, poiché servizi diversi sono progettati per risolvere problemi diversi. È anche importante determinare se il machine learning è la soluzione migliore per il vostro problema aziendale.
Una volta stabilito che il machine learning è la soluzione migliore, puoi iniziare scegliendo tra una gamma di servizi di AWS intelligenza artificiale appositamente progettati (in aree come il linguaggio, la visione e i documenti).
Amazon SageMaker AI fornisce un'infrastruttura completamente gestita se devi creare e addestrare i tuoi modelli. AWS offre una serie di framework ML avanzati e scelte di infrastruttura per i casi in cui sono necessari modelli ML altamente personalizzati e specializzati. AWS offre anche un'ampia gamma di modelli di base popolari per la creazione di nuove applicazioni con l'intelligenza artificiale generativa.
- ML algorithm
-
Algoritmo ML
La scelta dell'algoritmo ML per il problema aziendale che state cercando di risolvere dipende dal tipo di dati con cui state lavorando e dai risultati desiderati. Le seguenti informazioni descrivono in che modo ciascuna delle principali categorie di servizi AWS AI/ML consente di utilizzare i propri algoritmi:
-
Servizi di intelligenza artificiale specializzati: questi servizi offrono una capacità limitata di personalizzare l'algoritmo ML, in quanto si tratta di modelli preaddestrati ottimizzati per attività specifiche. In genere è possibile personalizzare i dati di input e alcuni parametri, ma non si ha accesso ai modelli ML sottostanti o la possibilità di creare modelli personalizzati.
-
Amazon SageMaker AI: questo servizio offre la massima flessibilità e controllo sull'algoritmo ML. Puoi usare l' SageMaker intelligenza artificiale per creare modelli personalizzati utilizzando i tuoi algoritmi e framework oppure utilizzare modelli e algoritmi predefiniti forniti da. AWS Ciò consente un elevato grado di personalizzazione e controllo sul processo di machine learning.
-
Framework e infrastrutture ML di livello inferiore: questi servizi offrono la massima flessibilità e controllo sull'algoritmo ML. È possibile utilizzare questi servizi per creare modelli ML altamente personalizzati utilizzando i propri algoritmi e framework. Tuttavia, l'utilizzo di questi servizi richiede una notevole esperienza di machine learning e potrebbe non essere fattibile per tutti i casi d'uso.
- Security
-
Sicurezza
Se hai bisogno di un endpoint privato nel tuo VPC, le opzioni disponibili varieranno in base al livello AWS di servizi ML che stai utilizzando. Ciò include:
-
Servizi di intelligenza artificiale specializzati: la maggior parte dei servizi di intelligenza artificiale specializzati attualmente non supporta endpoint privati in. VPCs Tuttavia, è possibile accedere ad Amazon Rekognition Custom Labels e Amazon Comprehend Custom utilizzando endpoint VPC.
-
Servizi di intelligenza artificiale di base: Amazon Translate, Amazon Transcribe e Amazon Comprehend supportano tutti gli endpoint VPC.
-
Amazon SageMaker SageMaker AI: l'intelligenza artificiale fornisce supporto integrato per gli endpoint VPC, consentendoti di implementare i loro modelli addestrati come endpoint accessibile solo dall'interno del loro VPC.
-
Framework e infrastruttura ML di livello inferiore: puoi distribuire i tuoi modelli su EC2 istanze Amazon o in contenitori all'interno del tuo VPC, fornendo il controllo completo sulla configurazione di rete.
- Latency
-
Latenza
I servizi di intelligenza artificiale di livello superiore, come Amazon Rekognition e Amazon Transcribe, sono progettati per gestire un'ampia varietà di casi d'uso e offrono prestazioni elevate in termini di velocità. Tuttavia, potrebbero non soddisfare determinati requisiti di latenza.
Se utilizzi framework e infrastrutture ML di livello inferiore, ti consigliamo di sfruttare Amazon AI. SageMaker Questa opzione è generalmente più veloce rispetto alla creazione di modelli personalizzati grazie al servizio completamente gestito e alle opzioni di distribuzione ottimizzate. Sebbene un modello personalizzato altamente ottimizzato possa superare le prestazioni dell' SageMaker intelligenza artificiale, la sua creazione richiederà competenze e risorse significative.
- Accuracy
-
Precisione
L'accuratezza dei servizi AWS ML varia in base al caso d'uso specifico e al livello di personalizzazione richiesto. I servizi di intelligenza artificiale di livello superiore, come Amazon Rekognition, si basano su modelli pre-addestrati che sono stati ottimizzati per attività specifiche e offrono un'elevata precisione in molti casi d'uso.
In alcuni casi, puoi scegliere di utilizzare Amazon SageMaker AI, che fornisce una piattaforma più flessibile e personalizzabile per la creazione e l'addestramento di modelli ML personalizzati. Creando i tuoi modelli, potresti essere in grado di ottenere una precisione ancora maggiore di quella possibile con modelli preaddestrati.
Puoi anche scegliere di utilizzare framework e infrastrutture ML, come TensorFlow Apache MXNet, per creare modelli altamente personalizzati che offrono la massima precisione possibile per il tuo caso d'uso specifico.
- AWS and responsible AI
-
AWS e un'IA responsabile
AWS costruisce modelli di base (FMs) pensando all'IA responsabile in ogni fase del processo di sviluppo. Durante la progettazione, lo sviluppo, l'implementazione e le operazioni consideriamo una serie di fattori, tra cui:
-
Precisione (quanto vicino un riepilogo corrisponde al documento sottostante; se una biografia è effettivamente corretta)
-
Equità, (se i risultati trattano i gruppi demografici in modo simile)
-
Considerazioni sulla proprietà intellettuale e sul copyright
-
Utilizzo appropriato (filtraggio delle richieste degli utenti di consulenza legale, diagnosi mediche o attività illegali)
-
Tossicità (incitamento all'odio, parolacce e insulti)
-
Privacy (protezione delle informazioni personali e delle richieste dei clienti)
AWS integra soluzioni per risolvere questi problemi nei processi utilizzati per l'acquisizione dei dati di formazione, negli FMs stessi e nella tecnologia utilizzata per preelaborare le richieste degli utenti e gli output post-elaborazione.
Scegliere
Ora che conoscete i criteri in base ai quali valuterete le opzioni del vostro servizio di machine learning, siete pronti a scegliere il servizio di AWS machine learning più adatto alle vostre esigenze organizzative. La tabella seguente evidenzia quali servizi ML sono ottimizzati per quali circostanze. Utilizzatela per determinare il servizio AWS ML più adatto al vostro caso d'uso.
| Categorie |
Quando lo useresti? |
Per cosa è ottimizzato? |
AI/ML Servizi o ambienti correlati |
|
Casi d'uso specifici
Questi servizi di intelligenza artificiale sono destinati a soddisfare esigenze specifiche. Includono personalizzazione, previsione, rilevamento di anomalie, trascrizione vocale e altro. Poiché vengono forniti come servizi, possono essere incorporati nelle applicazioni senza richiedere alcuna esperienza di machine learning.
|
Utilizza i servizi di intelligenza artificiale forniti da AWS quando hai bisogno di funzionalità specifiche e predefinite da integrare nelle tue applicazioni, senza la necessità di ampie personalizzazioni o competenze di machine learning. Questi servizi sono progettati per essere facili da usare e non richiedono molta codifica o configurazione. |
Questi servizi sono progettati per essere facili da usare e non richiedono molta esperienza in materia di codifica, configurazione o apprendimento automatico. |
IA aumentata Amazon
Amazon CodeGuru
Amazon Comprehend
Amazon Comprehend Medical
Amazon DevOps Guru
Amazon Forecast
Amazon Kendra
Amazon Lex
Amazon Personalize
Amazon Polly
Amazon Rekognition
Amazon Textract
Amazon Transcribe
Amazon Translate
|
|
Servizi ML
Questi servizi possono essere utilizzati per sviluppare modelli o flussi di lavoro di machine learning personalizzati che vanno oltre le funzionalità predefinite offerte dai principali servizi di intelligenza artificiale.
|
Utilizza questi servizi quando hai bisogno di modelli o flussi di lavoro di machine learning più personalizzati che vadano oltre le funzionalità predefinite offerte dai principali servizi di intelligenza artificiale. |
Questi servizi sono ottimizzati per la creazione e l'addestramento di modelli di machine learning personalizzati, la formazione su larga scala su più istanze o cluster di GPU, un maggiore controllo sull'implementazione dei modelli di machine learning, l'inferenza in tempo reale e per la creazione di flussi di lavoro. end-to-end |
Amazon SageMaker AI
Amazon SageMaker AI JumpStart
SageMaker Studio AI
SageMaker Tela AI
SageMaker Laboratorio AI Studio
SageMaker AI Ground Truth
PyTorch su AWS
Apache MxNet
Hugging Face
TensorFlow su AWS
|
|
infrastruttura
Per implementare l'apprendimento automatico in produzione, hai bisogno di un'infrastruttura conveniente, che Amazon abilita con AWS silicio integrato.
|
Utilizzalo quando desideri ottenere il costo più basso per i modelli di formazione e devi eseguire l'inferenza nel cloud. |
Ottimizzato per supportare l'implementazione economica dell'apprendimento automatico. |
AWS Trainium
AWS Inferentia e Inferentia2
Amazon SageMaker AI HyperPod
|
|
Strumenti e servizi associati
Questi strumenti e i servizi associati sono progettati per aiutarti a facilitare l'implementazione dell'apprendimento automatico.
|
Questi servizi e strumenti sono progettati per aiutarti ad accelerare il deep learning nel cloud, fornendo immagini di macchine Amazon, immagini docker e risoluzione delle entità. |
Ottimizzato per aiutarti ad accelerare il deep learning nel cloud. |
AWS Deep Learning AMIs s
AWS Contenitori per Deep Learning
AWS Risoluzione delle entità
|
Utilizzo
Ora che hai una chiara comprensione dei criteri da applicare nella scelta di un AWS servizio di machine learning, puoi selezionare quali servizi AWS AI/ML sono ottimizzati per le tue esigenze aziendali.
Per scoprire come utilizzare e saperne di più sui servizi che hai scelto, abbiamo fornito tre set di percorsi per esplorare il funzionamento di ciascun servizio. La prima serie di percorsi fornisce documentazione approfondita, tutorial pratici e risorse per iniziare a usare Amazon Comprehend, Amazon Textract, Amazon Translate, Amazon Lex, Amazon Polly, Amazon Rekognition e Amazon Transcribe.
- Amazon Comprehend
-
-
Inizia a usare Amazon Comprehend
Usa la console Amazon Comprehend per creare ed eseguire un processo asincrono di rilevamento delle entità.
Inizia con il tutorial»
-
Analizza le informazioni dettagliate nel testo con Amazon Comprehend
Scopri come usare Amazon Comprehend per analizzare e ricavare informazioni dal testo.
Inizia con il tutorial»
-
Prezzi di Amazon Comprehend
Esplora informazioni sui prezzi e sugli esempi di Amazon Comprehend.
Esplora la guida»
- Amazon Textract
-
-
Guida introduttiva ad Amazon Textract
Scopri come Amazon Textract può essere usato con testo formattato per rilevare parole e righe di parole che si trovano vicine l'una all'altra, nonché per analizzare un documento alla ricerca di elementi come testo correlato, tabelle, coppie chiave-valore ed elementi di selezione.
Esplora la guida»
-
Estrai testo e dati strutturati con Amazon Textract
Scopri come usare Amazon Textract per estrarre testo e dati strutturati da un documento.
Inizia con il tutorial»
-
AWS Power Hour: Machine Learning
Immergiti in Amazon Textract in questo episodio, dedica del AWS Management Console tempo e rivedi esempi di codice che ti aiuteranno a capire come sfruttare al meglio il servizio. APIs
Guarda il video»
- Amazon Translate
-
-
Guida introduttiva ad Amazon Translate tramite la console
Il modo più semplice per iniziare a usare Amazon Translate è usare la console per tradurre del testo. Scopri come tradurre fino a 10.000 caratteri utilizzando la console.
Esplora la guida»
-
Traduci testo tra lingue nel cloud
In questo esempio di tutorial, in quanto parte di un'azienda produttrice internazionale di valigie, devi capire cosa dicono i clienti del tuo prodotto nelle recensioni nella lingua del mercato locale, il francese.
Inizia con il tutorial»
-
Prezzi di Amazon Translate
Scopri i prezzi di Amazon Translate, incluso il piano gratuito, che fornisce 2 milioni di caratteri al mese per 12 mesi.
Esplora la guida»
- Amazon Lex
-
-
Guida per sviluppatori Amazon Lex V2
Scopri le informazioni su come iniziare, come funziona e le informazioni sui prezzi di Amazon Lex V2.
Esplora la guida»
-
Introduzione ad Amazon Lex Ti presentiamo il servizio conversazionale Amazon Lex e ti illustriamo esempi che mostrano come creare un bot e distribuirlo su diversi servizi di chat.
Partecipa al corso» (è richiesto il login)
-
Esplorazione dell'intelligenza artificiale generativa nelle esperienze conversazionali
Esplora l'uso dell'intelligenza artificiale generativa nelle esperienze di conversazione.
Leggi il blog»
- Amazon Polly
-
-
Cos'è Amazon Polly?
Esplora una panoramica completa del servizio cloud che converte il testo in voce realistica e può essere utilizzato per sviluppare applicazioni per aumentare il coinvolgimento e l'accessibilità dei clienti.
Esplora la guida»
-
Evidenzia il testo mentre viene pronunciato con Amazon Polly
Ti presentiamo alcuni approcci per evidenziare il testo mentre viene pronunciato per aggiungere funzionalità visive all'audio in libri, siti Web, blog e altre esperienze digitali.
Leggi il blog»
-
Crea audio per contenuti in più lingue con lo stesso personaggio vocale TTS in Amazon Polly
Spieghiamo Neural Text-to-Speech (NTTS) e spieghiamo come un ampio portafoglio di voci disponibili, che fornisce una gamma di altoparlanti distinti nelle lingue supportate, può funzionare per te.
Leggi il blog»
- Amazon Rekognition
-
-
Cos'è Amazon Rekognition?
Scopri come utilizzare questo servizio per aggiungere analisi di immagini e video alle tue applicazioni.
Esplora la guida»
-
Rekognition pratico: analisi automatizzata di immagini e video
Scopri come funziona il riconoscimento facciale con lo streaming video, insieme a esempi di codice e punti chiave a un ritmo autonomo.
Inizia con il tutorial»
-
Amazon Rekognition FAQs
Scopri le nozioni di base di Amazon Rekognition e come può aiutarti a migliorare il deep learning e analizzare visivamente le tue applicazioni.
FAQsLeggi il»
- Amazon Transcribe
-
-
Che cos'è Amazon Transcribe?
Esplora il servizio di riconoscimento vocale AWS automatico che utilizza ML per convertire l'audio in testo. Scopri come utilizzare questo servizio come trascrizione autonoma o aggiungere speech-to-text funzionalità a qualsiasi applicazione.
Esplora la guida»
-
Prezzi di Amazon Transcribe
Ti presentiamo la AWS pay-as-you-go trascrizione, comprese le opzioni del modello linguistico personalizzato e il piano gratuito di Amazon Transcribe.
Esplora la guida»
-
Crea una trascrizione audio con Amazon Transcribe
Scopri come usare Amazon Transcribe per creare una trascrizione testuale di file audio registrati utilizzando uno scenario d'uso reale per testare le tue esigenze.
Inizia con il tutorial»
-
Crea un'app di streaming Amazon Transcribe
Scopri come creare un'app per registrare, trascrivere e tradurre audio dal vivo in tempo reale, con i risultati inviati direttamente via email.
Esplora la guida»
La seconda serie di Servizio AWS percorsi AI/ML fornisce documentazione approfondita, tutorial pratici e risorse per iniziare a usare i servizi della famiglia Amazon AI. SageMaker
- SageMaker AI
-
-
Come funziona Amazon SageMaker AI
Esplora la panoramica dell'apprendimento automatico e di come funziona l' SageMaker intelligenza artificiale.
Esplora la guida»
-
Guida introduttiva ad Amazon SageMaker AI
Scopri come iscriverti a un dominio Amazon SageMaker AI, che ti consente di accedere ad Amazon SageMaker AI Studio e RStudio all' SageMaker IA.
Esplora la guida»
-
Usa Apache Spark con Amazon AI SageMaker
Scopri come usare Apache Spark per la preelaborazione dei dati e l' SageMaker intelligenza artificiale per la formazione e l'hosting dei modelli.
Esplora la guida»
-
Usa i contenitori Docker per creare modelli
Scopri come Amazon SageMaker AI fa ampio uso dei contenitori Docker per le attività di compilazione e runtime. Scopri come distribuire le immagini Docker predefinite per gli algoritmi integrati e i framework di deep learning supportati utilizzati per l'addestramento e l'inferenza.
Esplora la guida»
-
Framework e linguaggi di machine learning
Scopri come iniziare a usare l' SageMaker IA utilizzando l'SDK Amazon SageMaker AI Python.
Esplora la guida»
- SageMaker AI Autopilot
-
-
Crea un esperimento Amazon SageMaker AI Autopilot per dati tabulari
Scopri come creare un esperimento Amazon SageMaker AI Autopilot per esplorare, preelaborare e addestrare vari modelli candidati su un set di dati tabulare.
Esplora la guida»
-
Crea automaticamente modelli di machine learning
Scopri come usare Amazon SageMaker AI Autopilot per creare, addestrare e ottimizzare automaticamente un modello di machine learning e distribuirlo per fare previsioni.
Inizia con il tutorial»
-
Esplora la modellazione con Amazon SageMaker AI Autopilot con questi notebook di esempio
Esplora esempi di taccuini per il marketing diretto, la previsione del tasso di abbandono dei clienti e come importare il tuo codice di elaborazione dei dati in Amazon AI Autopilot. SageMaker
Esplora la guida»
- SageMaker AI Canvas
-
-
Inizia a usare Amazon SageMaker AI Canvas
Scopri come iniziare a usare SageMaker AI Canvas.
Esplora la guida»
-
Genera previsioni di machine learning senza scrivere codice
Questo tutorial spiega come usare Amazon SageMaker AI Canvas per creare modelli ML e generare previsioni accurate senza scrivere una sola riga di codice.
Inizia con il tutorial»
-
Scopri di più su SageMaker AI Canvas
Esplora uno sguardo approfondito a SageMaker AI Canvas e alle sue funzionalità di machine learning visive e senza codice.
Leggi il blog»
-
Usa Amazon SageMaker AI Canvas per creare il tuo primo modello di machine learning
Scopri come utilizzare Amazon SageMaker AI Canvas per creare un modello di machine learning per valutare la fidelizzazione dei clienti, basato su una campagna e-mail per nuovi prodotti e servizi.
Inizia con il laboratorio»
- SageMaker AI Data Wrangler
-
-
Guida introduttiva ad Amazon SageMaker AI Data Wrangler
Scopri come configurare SageMaker AI Data Wrangler e poi fornisci una procedura dettagliata utilizzando un set di dati di esempio esistente.
Esplora la guida»
-
Prepara i dati di addestramento per l'apprendimento automatico con un minimo di codice
Scopri come preparare i dati per il machine learning utilizzando Amazon SageMaker AI Data Wrangler.
Inizia con il tutorial»
-
SageMaker Workshop di approfondimento su AI Data Wrangler
Scopri come applicare i tipi di analisi appropriati al tuo set di dati per rilevare anomalie e problemi, utilizza la derivata results/insights per formulare azioni correttive nel corso delle trasformazioni sul tuo set di dati e testa la scelta e la sequenza di trasformazioni giuste utilizzando le opzioni di modellazione rapida fornite da AI Data Wrangler. SageMaker
Inizia con il workshop»
- SageMaker AI Ground Truth
-
-
Guida introduttiva ad Amazon Ground Truth
Scopri come utilizzare la console per creare un lavoro di etichettatura, assegnare una forza lavoro pubblica o privata e inviare il lavoro di etichettatura alla tua forza lavoro. Scopri come monitorare lo stato di avanzamento di un lavoro di etichettatura.
Esplora la guida»
-
Etichetta i dati di formazione per il Machine Learning
Scopri come configurare un processo di etichettatura in Amazon SageMaker AI Ground Truth per annotare i dati di addestramento per il tuo modello di machine learning.
Inizia con il tutorial»
-
Guida introduttiva ad Amazon Ground Truth Plus Scopri come completare i passaggi necessari per avviare un progetto Amazon SageMaker AI Ground Truth Plus, rivedere le etichette e soddisfare i prerequisiti di SageMaker AI Ground Truth Plus.
Esplora la guida»
-
Inizia a usare Amazon Ground Truth Scopri come iniziare a etichettare i dati in pochi minuti tramite la console SageMaker AI Ground Truth.
Guarda il video»
-
Amazon SageMaker AI Ground Truth Plus: crea set di dati di formazione senza codice o risorse interne
Scopri Ground Truth Plus, un servizio chiavi in mano che utilizza una forza lavoro esperta per fornire rapidamente set di dati di formazione di alta qualità e riduce i costi fino al 40 percento.
Leggi il blog»
- SageMaker AI JumpStart
-
-
Inizia con l'apprendimento automatico con l' SageMaker intelligenza artificiale JumpStart
Esplora i modelli di JumpStart soluzioni di SageMaker intelligenza artificiale che configurano l'infrastruttura per casi d'uso comuni e i notebook di esempio eseguibili per l'apprendimento automatico con l'intelligenza artificiale. SageMaker
Esplora la guida»
-
Inizia rapidamente il tuo progetto di machine learning utilizzando Amazon SageMaker AI JumpStart
Scopri come velocizzare il tuo progetto di machine learning utilizzando modelli preaddestrati e soluzioni predefinite offerte da Amazon AI. SageMaker JumpStart Puoi quindi distribuire il modello selezionato tramite i notebook Amazon SageMaker AI Studio.
Inizia con il tutorial»
-
Entra in contatto con Amazon SageMaker AI JumpStart con questo workshop di Immersion Day
Scopri come le funzionalità di machine learning low-code di Amazon SageMaker AI Data Wrangler, Autopilot e Jumpstart semplificano la sperimentazione più rapida e portano in produzione modelli estremamente accurati.
Inizia con il workshop»
- SageMaker AI Pipelines
-
-
Guida introduttiva ad Amazon SageMaker AI Pipelines
Scopri come creare end-to-end flussi di lavoro che gestiscono e implementano lavori di intelligenza artificiale. SageMaker SageMaker AI Pipelines include l'integrazione con SageMaker AI Python SDK, quindi puoi creare ogni fase della tua pipeline utilizzando un'interfaccia basata su Python.
Esplora la guida»
-
Automatizza i flussi di lavoro di machine learning
Scopri come creare e automatizzare flussi di lavoro di end-to-end machine learning (ML) utilizzando Amazon SageMaker AI Pipelines, Amazon AI Model Registry e Amazon SageMaker SageMaker AI Clarify.
Inizia con il tutorial»
-
Come creare flussi di lavoro ML completamente automatizzati con Amazon SageMaker AI Pipelines
Scopri Amazon SageMaker AI Pipelines, il primo CI/CD servizio ML al mondo progettato per essere accessibile a tutti gli sviluppatori e i data scientist. SageMaker AI Pipelines porta le CI/CD pipeline al machine learning, riducendo i tempi di codifica necessari.
Guarda il video»
- SageMaker AI Studio
-
-
Crea e addestra un modello di machine learning a livello locale
Scopri come creare e addestrare un modello di machine learning localmente all'interno del tuo notebook Amazon SageMaker AI Studio.
Inizia con il tutorial»
-
SageMaker Integrazione di AI Studio con il workshop EMR
Scopri come utilizzare l'elaborazione distribuita su larga scala per preparare i dati e successivamente addestrare modelli di apprendimento automatico.
Inizia con il workshop»
La terza serie di Servizio AWS percorsi AI/ML fornisce documentazione approfondita, tutorial pratici e risorse per iniziare a usare Amazon Titan. AWS Trainium AWS Inferentia
- AWS Trainium
-
-
Scalabilità della formazione distribuita con Amazon AWS Trainium EKS
Scopri come trarre vantaggio dalla disponibilità generale delle istanze Amazon EC2 Trn1 con tecnologia AWS Trainium: un acceleratore ML appositamente progettato e ottimizzato per fornire una piattaforma ad alte prestazioni, economica ed estremamente scalabile per l'addestramento di modelli di deep learning nel cloud.
Leggi il blog»
-
Panoramica di AWS Trainium
Scopri di più AWS Trainium, l'acceleratore di machine learning (ML) di seconda generazione creato AWS appositamente per l'addestramento con deep learning di oltre 100 miliardi di modelli di parametri. Ogni istanza Amazon Elastic Compute Cloud (EC2) Trn1 implementa fino a 16 AWS Trainium acceleratori per offrire una soluzione a basso costo e ad alte prestazioni per la formazione sul deep learning (DL) nel cloud.
Esplora la guida»
-
Istanze Trainium consigliate
Scopri come AWS Trainium le istanze sono progettate per fornire prestazioni elevate ed efficienza in termini di costi per i carichi di lavoro di inferenza dei modelli di deep learning.
Esplora la guida»
- AWS Inferentia
-
-
Panoramica di AWS Inferentia
Scopri in che modo gli acceleratori sono progettati AWS per offrire prestazioni elevate al minor costo per le tue applicazioni di inferenza di deep learning (DL).
Esplora la guida»
-
AWS Inferentia 2 si basa su AWS Inferentia 1 offrendo un throughput 4 volte superiore e una latenza 10 volte inferiore
Scopri per cosa è ottimizzato AWS Inferentia 2 ed esplora come è stato progettato da zero per offrire prestazioni più elevate riducendo al contempo i costi e l'inferenza generativa dell'intelligenza artificiale. LLMs
Leggi il blog»
-
Inferenza di apprendimento automatico utilizzando AWS Inferentia
Scopri come creare un cluster Amazon EKS con nodi che eseguono istanze Amazon EC2 Inf1 e (facoltativamente) distribuire un'applicazione di esempio. Le istanze Amazon EC2 Inf1 sono alimentate da AWS Inferentia chip, creati su misura AWS per fornire inferenze ad alte prestazioni e costi più bassi nel cloud.
Esplora la guida»
- Amazon Titan
-
-
Panoramica di Amazon Titan
Scopri come Amazon Titan viene FMs preaddestrato su set di dati di grandi dimensioni, rendendoli potenti modelli generici. Scopri come utilizzarli così come sono o privatamente per personalizzarli con i tuoi dati per un'attività particolare senza annotare grandi volumi di dati.
Esplora la guida»
Esplora
-
Diagrammi di architettura
Questi diagrammi di architettura di riferimento mostrano esempi di servizi di AWS intelligenza artificiale e ML in uso.
Esplora i diagrammi di architettura»
-
White paper
Consulta i white paper per aiutarti a iniziare e apprendere le migliori pratiche nella scelta e nell'utilizzo dei servizi. AI/ML
Esplora i white paper»
-
AWS Soluzioni
Esplora soluzioni verificate e linee guida architetturali per casi d'uso comuni per i servizi di intelligenza artificiale e machine learning.
Esplora le soluzioni»
Risorse
Modelli di base
I modelli di base supportati includono:
Con Amazon Bedrock, puoi sperimentare una varietà di modelli di base e personalizzarli privatamente con i tuoi dati.
Case d'uso o servizi specifici del settore
Post di blog associati
