本文属于机器翻译版本。若本译文内容与英语原文存在差异，则一律以英文原文为准。
目标业务成果
关键业务成果是采用优化的流程，以将组织的数据转化为商业价值。具体而言，该策略可以帮助您实现以下目标业务成果：
在整个组织中扩展机器学习和运营（MLOps）功能，并开发一个 ML 平台，以支持数百名数据科学家和数据工程师在组织内运行 ML 工作流程。
使用 AWS Service Catalog Amazon A SageMaker I 创建按需托管基础设施，实现可扩展、安全、经济实惠且可持续的基础设施部署。
标准化跨多个团队的 ML 模型开发和部署流程。
减少现有模型的技术债务，创建可重复使用的构件，以加快未来模型的开发。
将数据和分析用例的想法转化为价值的时间缩短至 12-16 周。
将 ML 用例环境的创建时间缩短至 1-2 天。
当您在企业中扩大高级分析的使用范围时，开发 ML 模型和解决方案并将其投入生产可能需要很长时间。通过合作 AWS，您将获得指导和支持，这些指导和支持可以帮助您快速设计、构建和启动一个现代、安全、可扩展和可持续的自助服务平台，用于开发和生产 ML-based 服务，为您的业务和客户提供支持。AWS 专业服务
本次合作提供以下内容：
DevOps-driven 一种针对基础架构和应用程序代码的联合自助式方法，具有明确的上线路径，可以将部署时间从几周缩短到几分钟
一个安全、可控和模板化的环境，可通过使用行业最佳实践和全行共享构件的 ML 模型和见解加速创新
在整个组织中更轻松、更一致地访问和共享数据的能力
基于按需托管架构的现代工具集，可以最大限度地减少计算需求，降低成本，实现可持续的机器学习开发和运营，并且可以灵活地适应新 AWS 产品和服务，以满足持续的用例和合规性要求
提供采用、参与和训练支持，使组织的数据科学和工程团队能够实现自给自足，并在组织内推广 ML 产品
