AWS SageMaker机器学习训练营听课总结

时间  2021-02-03 标签 机器学习 1024程序员节 sageMaker aws amazon

机器学习概念

在这里插入图片描述
我们把讨论的范围限定在最常见的有监督学习的框架内，所谓的机器学习模型，本质上是一个函数，其作用是实现从一个样本 x 到样本的标记值 Y 的映射，即 f(x) --> Y 。

当然这样说太笼统了，事实上机器学习模型需要在给定样本集合 { x_i |i=1,...,n} 以及其对应标签 <Y_1, Y_2, ..., Y_n> 的情况下，用假设已知的函数形式 f'(x_i) --> Y_i , 尽可能拟合客观存在的映射函数f(x_i)--> Y_i ，并且保证f' 在未知同分布样本上具有尽可能相近的拟合能力。

机器学习工作流是迭代且负责的

在这里插入图片描述

Amazon SageMaker Studio

在这里插入图片描述

使用 Amazon SageMaker Studio

在这里插入图片描述

Amazon SageMaker Autopilot

在这里插入图片描述

使用 Amazon SageMaker Autopilot，创建并审查回归和分类模型

在这里插入图片描述

Amazon SageMaker 帮助您构建、训练和部署模型

在这里插入图片描述

Amazon SageMaker Ground Truth(仅限Global Region)

在这里插入图片描述

成功的模型需要高质量数据(仅限Global Region)

在这里插入图片描述

Amazon SageMaker Ground Truth工作原理(仅限Global Region)

在这里插入图片描述

Amazon SageMaker Processing

在这里插入图片描述

Amazon SageMaker Notebooks

在这里插入图片描述

Amazon SageMaker Notebooks 共享工作

在这里插入图片描述

自动捕获代码依赖项

在这里插入图片描述

内置算法

在这里插入图片描述

AWS Marketplace

在这里插入图片描述

成百上千种算法、模型和数据

在这里插入图片描述

一键式训练模型

在这里插入图片描述

自动模型调优

在这里插入图片描述

Experiments

在这里插入图片描述

Experiments 跟踪和管理数千个实验

在这里插入图片描述

Debugger

在这里插入图片描述

识别问题 – 例如梯度消失

在这里插入图片描述

全托管 SageMaker – 一键式模型部署

在这里插入图片描述

持续监控 Monitor

在这里插入图片描述

识别模型偏移

在这里插入图片描述

训练一次，多处运行，性能提升高达2倍

在这里插入图片描述

推理阶段的费用占90%

在这里插入图片描述

Elastic Inference 降低深度学习推理成本

在这里插入图片描述

Augmented AI 轻松构建人工审核预测所需的工作流

在这里插入图片描述

Amazon Augmented AI 的工作原理

在这里插入图片描述

编排框架

在这里插入图片描述

SageMaker 入门

在这里插入图片描述

Amazon SageMaker

在这里插入图片描述

Reference Architecture

在这里插入图片描述

国内应用

在这里插入图片描述
在这里插入图片描述
在这里插入图片描述

在这里插入图片描述

在这里插入图片描述

联系我们 沪ICP备13005482号-10