Amazon SageMaker

Créez, entraînez et déployez des modèles de machine learning (ML) pour tous les cas d'utilisation avec une infrastructure, des outils et des flux entièrement gérés

Pourquoi SageMaker ?

Amazon SageMaker est un service entièrement géré qui réunit un large éventail d'outils pour permettre un machine learning (ML) à hautes performances et à faible coût, quel que soit le cas d'utilisation. Avec SageMaker, vous pouvez créer, entraîner et déployer des modèles de ML à grande échelle à l'aide d'outils tels que des blocs-notes, des débogueurs, des profileurs, des pipelines, des MLOP, etc., le tout dans un environnement de développement intégré (IDE) unique. SageMaker répond aux exigences de gouvernance grâce à un contrôle d'accès simplifié et à la transparence de vos projets de ML. En outre, vous pouvez créer vos propres FM, de grands modèles qui ont été entraînés sur des jeux de données volumineux, à l'aide d'outils spécialement conçus pour ajuster, expérimenter, ré-entraîner et déployer des FM. SageMaker donne accès à des centaines de modèles pré-entraînés, y compris des FM disponibles publiquement, que vous pouvez déployer en quelques clics.
 

Les avantages de SageMaker

Offrez à davantage d'utilisateurs la possibilité d'innover avec le ML en proposant un éventail d'outils : IDE pour les scientifiques des données et interfaces sans code pour les analystes métier.
Créez vos propres modèles de ML, y compris des FM qui alimentent des applications d'IA génératives, avec des outils intégrés spécialement conçus et une infrastructure économique et performante.
Automatisez et standardisez les pratiques et la gouvernance MLOps dans toute votre organisation pour favoriser la transparence et les audits.
Tirez le maximum des commentaires des intervenants humains tout au long du cycle de vie du ML pour améliorer la précision et la pertinence des FM grâce à des fonctionnalités d'intervention humaine.
Bénéficiez d’une assistance tout au long du processus de développement du machine learning, de la préparation des données à l’entraînement des modèles, en passant par le déploiement des modèles. Amazon Q Developer peut générer des suggestions de code, répondre à vos questions et proposer une assistance en cas d’erreur.

Tarification et offre gratuite d’Amazon SageMaker

L’offre gratuite de SageMaker propose une période d’essai de 2 mois qui fournit 250 heures par mois d’utilisation de notebook t2.medium ou t3.medium, 50 heures par mois de m4.xlarge ou m5.xlarge pour l’entraînement, 125 heures par mois de m4.xlarge ou m5.xlarge pour l’hébergement. Pour en savoir plus sur l’offre gratuite et les options de tarification rentables de SageMaker, rendez-vous sur la page de tarification de SageMaker.

Utilisation d'Amazon SageMaker pour l'IA générative

Amazon SageMaker aide les data scientists et les ingénieurs en machine learning à créer des FM à partir de zéro, à évaluer et à personnaliser des FM à l'aide de techniques avancées, et à déployer des FM dotés de contrôles précis pour des cas d'utilisation d'IA générative soumis à des exigences strictes en matière de précision, de latence et de coût.

Créez des modèles de fondation à partir de zéro

Amazon SageMaker propose des outils permettant de pré-former les FM à partir de zéro afin qu'ils puissent être utilisés en interne ou proposés à d'autres entreprises pour des applications d'IA générative.

Personnalisez les modèles de fondation à l'aide de techniques avancées

Amazon SageMaker donne accès à des centaines de FM accessibles au public et à des outils permettant d'évaluer et de personnaliser entièrement les modèles en fonction de votre cas d'utilisation et de vos données spécifiques.

Déployez des modèles de fondation pour l'inférence

Amazon SageMaker simplifie le déploiement des FM pour effectuer des requêtes d'inférence au meilleur rapport prix/performance pour n'importe quel cas d'utilisation.

Prenez en charge les frameworks, boîtes à outils et langages de programmation de ML majeurs

Logo Jupyter
Logo TensorFlow
Logo PyTorch logo
Logo MXNet
Logo Hugging Face
Logo Scikit-learn
Logo Python
Logo R

Machine learning hautes performances et à faible coût à grande échelle

Plus de 1 500 milliards

requêtes d'inférence par mois

40 %

de réduction des coûts pour l'étiquetage des données

< 10 ms

de latence d'inférence