AWS отмечает 5-летие инноваций с помощью Amazon SageMaker

Всего за 5 лет к нам обратились десятки тысяч клиентов. Создатель мудреца Амазонки создавать миллионы моделей, обучать модели с миллиардами параметров и генерировать сотни миллиардов ежемесячных прогнозов.

Семена смены парадигмы машинного обучения (ML) существовали на протяжении десятилетий, но благодаря доступности практически бесконечных вычислительных мощностей, массовому распространению данных и быстрому развитию технологий ML клиенты из разных отраслей теперь имеют доступ к его революционным решениям. преимущества. Чтобы воспользоваться этой возможностью и передать машинное обучение из исследовательской лаборатории в руки организаций, AWS создала Amazon SageMaker. В этом году мы отмечаем 5-летие Amazon SageMaker, нашего флагманского полностью управляемого сервиса машинного обучения, который был запущен на выставке AWS re:Invent 2017 и впоследствии стал одним из самых быстрорастущих сервисов в истории AWS.

AWS запустила Amazon SageMaker, чтобы разрушить барьеры для машинного обучения и демократизировать доступ к передовым технологиям. Сегодня этот успех мог показаться неизбежным, но в 2017 году машинное обучение по-прежнему требовало специализированных навыков, которыми обычно обладала ограниченная группа разработчиков, исследователей, докторов наук или компаний, которые построили свой бизнес на основе машинного обучения. Раньше разработчикам и специалистам по данным приходилось сначала визуализировать, преобразовывать и предварительно обрабатывать данные в форматы, которые алгоритмы могли использовать для обучения моделей, что требовало огромных вычислительных мощностей, длительных периодов обучения и специальных групп для управления средами, которые часто охватывали несколько графических процессоров. включенные серверы и значительный объем ручной настройки производительности. Кроме того, развертывание обученной модели в приложении потребовало другого набора специализированных навыков в проектировании приложений и распределенных систем. По мере роста наборов данных и переменных компаниям приходилось повторять этот процесс, чтобы учиться и развиваться на основе новой информации, поскольку старые модели устарели. Эти проблемы и барьеры означали, что ОД было недоступно для большинства, за исключением хорошо финансируемых организаций и исследовательских институтов.

Наступление новой эры в машинном обучении

Вот почему мы представили Amazon SageMaker, наш флагманский управляемый сервис машинного обучения, который позволяет разработчикам, специалистам по данным и бизнес-аналитикам быстро и легко подготавливать данные, а также создавать, обучать и развертывать высококачественные модели машинного обучения в большом масштабе. За последние 5 лет мы добавили более 250 новых функций и возможностей, включая первую в мире интегрированную среду разработки (IDE) для машинного обучения, отладчики, мониторы моделей, профилировщики, AutoML, хранилище функций, возможности без написания кода и первый специализированный инструмент непрерывной интеграции и непрерывной доставки (CI/CD), позволяющий сделать машинное обучение менее сложным и более масштабируемым в облаке и на периферийных устройствах.

В 2021 году мы продвинули демократизацию еще дальше, чтобы сделать машинное обучение доступным для большего числа пользователей. Amazon SageMaker позволяет большему количеству людей создавать модели машинного обучения, включая среду без программирования в Холст Amazon SageMaker для бизнес-аналитиков без опыта машинного обучения, а также не требующую настройки и бесплатную среду машинного обучения, позволяющую студентам быстрее учиться и экспериментировать с машинным обучением.

Сегодня клиенты могут внедрять инновации с помощью Amazon SageMaker, используя широкий выбор инструментов — IDE для специалистов по обработке данных и интерфейс без кода для бизнес-аналитиков. Они могут получать доступ, маркировать и обрабатывать большие объемы структурированных данных (табличные данные) и неструктурированных данных (фото, видео и аудио) для машинного обучения. С помощью Amazon SageMaker клиенты могут сократить время обучения с часов до минут благодаря оптимизированной инфраструктуре. Наконец, клиенты могут автоматизировать и стандартизировать методы операций машинного обучения (MLOps) в своей организации, чтобы создавать, обучать, развертывать модели и управлять ими в любом масштабе.

Новые функции для инноваций следующего поколения

Двигаясь вперед, AWS продолжает активно разрабатывать новые функции, которые могут помочь клиентам развивать машинное обучение. Например, многомодельные конечные точки Amazon SageMaker (MME) позволяют клиентам развертывать тысячи моделей машинного обучения на одной конечной точке Amazon SageMaker и снижать затраты за счет совместного использования экземпляров, подготовленных за конечной точкой, для всех моделей. До недавнего времени MME поддерживались только на процессорах, но теперь MME Amazon SageMaker поддерживают графические процессоры. Клиенты могут использовать Amazon SageMaker MME для развертывания моделей глубокого обучения на экземплярах графических процессоров и сэкономить до 90 % затрат за счет развертывания тысяч моделей глубокого обучения в одной конечной точке с несколькими моделями. Amazon SageMaker также расширил поддержку оптимизированных для вычислений Эластичное вычислительное облако Amazon (Amazon EC2) на базе AWS Гравитон 2 и Гравитон 3 процессоры, которые хорошо подходят для вывода ML на базе ЦП, поэтому клиенты могут развертывать модели на экземпляре оптимального типа для своих рабочих нагрузок.

Клиенты Amazon SageMaker раскрывают возможности машинного обучения

Каждый день клиенты всех размеров и во всех отраслях обращаются к Amazon SageMaker, чтобы экспериментировать, внедрять инновации и развертывать модели машинного обучения за меньшее время и с меньшими затратами, чем когда-либо. В результате разговоры теперь переходят от искусства возможного к достижению новых уровней производительности с помощью машинного обучения. Сегодня такие клиенты, как Capital One и Fannie Mae в сфере финансовых услуг, Philips и AstraZeneca в сфере здравоохранения и биологических наук, Conde Nast и Thomson Reuters в сфере СМИ, НФЛ и Формула 1 в спорте, Amazon и Mercado Libre в розничной торговле, а также Siemens и Bayer в сфере промышленный сектор использует сервисы машинного обучения на AWS для ускорения бизнес-инноваций. Они присоединяются к десяткам тысяч других клиентов Amazon SageMaker, использующих этот сервис для управления миллионами моделей, обучения моделей с миллиардами параметров и составления сотен миллиардов прогнозов каждый месяц.

Ожидаются новые инновации. А пока мы делаем паузу, чтобы отметить многочисленные успехи, которых достигли наши клиенты.

Thomson Reuters

Thomson Reuters, ведущий поставщик услуг бизнес-информации, использует возможности Amazon SageMaker для создания более интуитивно понятных услуг для своих клиентов.

«Мы постоянно ищем надежные решения на основе искусственного интеллекта, которые обеспечат долгосрочную положительную окупаемость инвестиций», — сказал Данило Томмасина, технический директор Thomson Reuters Labs. «Amazon SageMaker занимает центральное место в наших исследованиях и разработках в области искусственного интеллекта. Это позволяет нам эффективно внедрять исследования в зрелые и высокоавтоматизированные решения. С помощью Amazon SageMaker Studio исследователи и инженеры могут сосредоточиться на решении бизнес-задач, используя все инструменты, необходимые для рабочего процесса машинного обучения, в одной IDE. Мы выполняем всю нашу деятельность по разработке машинного обучения, включая блокноты, управление экспериментами, автоматизацию конвейера машинного обучения и отладку прямо из Amazon SageMaker Studio».

Salesforce

Salesforce, ведущая в мире CRM-платформа, недавно объявила о новых интеграциях, которые позволят использовать Amazon SageMaker вместе с Einstein, технологией искусственного интеллекта Salesforce.

«Salesforce Einstein — это первый комплексный ИИ для CRM, который позволяет каждой компании стать умнее и более прогнозировать поведение своих клиентов благодаря интегрированному набору технологий ИИ для продаж, маркетинга, коммерции, обслуживания и ИТ», — сказал Рахул Аурадкар, исполнительный вице-президент Einstein. и унифицированные службы данных в Salesforce. «Одна из самых больших проблем, с которыми сегодня сталкиваются компании, заключается в том, что их данные разрознены. Трудно объединить данные, чтобы обеспечить взаимодействие с клиентами в режиме реального времени во всех точках взаимодействия и получить значимую бизнес-идею. Интеграция Salesforce и Amazon SageMaker на базе Genie, платформы данных о клиентах Salesforce в режиме реального времени, обеспечивает группам обработки данных беспрепятственный доступ к унифицированным и гармонизированным данным о клиентах для создания и обучения моделей машинного обучения в Amazon SageMaker. После развертывания эти модели Amazon SageMaker можно использовать вместе с Einstein для прогнозирования и анализа данных на платформе Salesforce. По мере развития искусственного интеллекта мы продолжаем совершенствовать Einstein с помощью собственного моделирования (BYOM), чтобы встречаться с разработчиками и специалистами по обработке данных там, где они работают».

Мета ИИ

Meta AI — это лаборатория искусственного интеллекта, принадлежащая Meta Platforms Inc.

«Meta AI сотрудничала с AWS для улучшения torch.distributed, чтобы помочь разработчикам масштабировать свое обучение с помощью Amazon SageMaker и экземпляров на базе Trainium», — сказала Гита Чаухан, менеджер по разработке прикладного ИИ в Meta AI. «Благодаря этим улучшениям мы добились сокращения времени обучения больших моделей на основе наших тестов. Мы рады видеть, что Amazon SageMaker поддерживает распределенное обучение PyTorch для ускорения инноваций в области машинного обучения».

Тайсон Фудз Инк.

Tyson Foods Inc., один из крупнейших в мире производителей и продавцов мяса, полагается на Amazon SageMaker, Amazon SageMaker - основа правдыи Панорама АВС для повышения эффективности.

«Эффективное совершенство является ключевым приоритетом компании Tyson Foods, — сказал Баррет Миллер, старший менеджер по новым технологиям в Tyson Foods Inc. — Мы используем компьютерное зрение на базе машинного обучения на AWS, чтобы повысить эффективность производства, автоматизировать процессы и сократить времязатратные или задачи, подверженные ошибкам. В сотрудничестве с лабораторией решений Amazon Machine Learning мы создали современную модель обнаружения объектов с использованием Amazon SageMaker Ground Truth и AWS Panorama. Благодаря этому решению мы получаем информацию практически в реальном времени, которая помогает нам производить необходимые запасы, минимизируя при этом отходы».

Autodesk

AutoCAD — коммерческое программное обеспечение для автоматизированного проектирования и черчения от Autodesk. AutoCAD использует Amazon SageMaker для оптимизации процесса генеративного проектирования.

«Мы хотели дать клиентам AutoCAD возможность работать более эффективно, предоставляя персонализированные, актуальные советы и рекомендации по использованию, гарантируя, что время, которое они проводят в AutoCAD, будет максимально продуктивным», — сказала Дания Эль Хассан, директор по управлению продуктами AutoCAD. , в Autodesk. «Amazon SageMaker был важным инструментом, который помог нам предоставить нашим пользователям упреждающие команды и рекомендации по ярлыкам, что позволило им достичь новых впечатляющих результатов проектирования».

Торк.ай

С помощью Amazon SageMaker и библиотеки параллельных распределенных данных Amazon SageMaker (SMDDP) Торк.ай, лидер в области беспилотных транспортных средств с 2005 года, занимается коммерциализацией беспилотных грузовиков для безопасного, устойчивого и дальнего следования в грузовой отрасли.

«Теперь моя команда может легко выполнять крупномасштабные задания по распределенному обучению, используя обучение моделей Amazon SageMaker и библиотеку параллельных данных Amazon SageMaker (SMDDP), включающую терабайты обучающих данных и модели с миллионами параметров», — сказал Дерек Джонсон, вице-президент. Президент по инжинирингу Torc.ai. «Обучение распределенным моделям Amazon SageMaker и SMDDP помогли нам беспрепятственно масштабироваться без необходимости управлять инфраструктурой обучения. Это сократило наше время на обучение моделей с нескольких дней до нескольких часов, что позволило нам сократить цикл проектирования и внедрить в наш автопарк новые возможности автономных транспортных средств быстрее, чем когда-либо».

LG Исследования искусственного интеллекта

LG AI Research стремится возглавить следующую эру искусственного интеллекта, используя Amazon SageMaker для более быстрого обучения и развертывания моделей машинного обучения.

«Недавно мы представили Tilda, AI-художника на базе EXAONE, супергигантской системы искусственного интеллекта, которая может обрабатывать 250 миллионов наборов данных пар изображений и текста высокой четкости», — сказал Сын Хван Ким, вице-президент и руководитель лаборатории Vision в LG AI Research. «Мультимодальный искусственный интеллект позволяет Тильде самостоятельно создавать новый образ, обладая способностью выходить за рамки языка, который она воспринимает. Amazon SageMaker сыграл важную роль в разработке EXAONE из-за его возможностей масштабирования и распределенного обучения. В частности, из-за огромных объемов вычислений, необходимых для обучения этого сверхгигантского ИИ, эффективная параллельная обработка очень важна. Нам также необходимо было постоянно управлять крупномасштабными данными и гибко реагировать на вновь полученные данные. Используя обучение моделей Amazon SageMaker и библиотеки распределенного обучения, мы оптимизировали распределенное обучение и обучили модель на 59 % быстрее — без серьезных изменений в нашем обучающем коде».

Водные продукты Мюллера

Mueller Water Products производит специализированные клапаны, пожарные гидранты, изделия для соединения и ремонта труб, измерительные приборы, решения для обнаружения утечек и многое другое. Компания использовала Amazon SageMaker для разработки инновационного решения машинного обучения, позволяющего быстрее обнаруживать утечки воды.

«Мы ставим перед собой задачу сократить потери воды на 7.7 миллиардов галлонов к 2027 году», — сказал Дэйв Джонстон, директор по интеллектуальной инфраструктуре компании Mueller Water Products. «Благодаря моделям машинного обучения, созданным на базе Amazon SageMaker, мы повысили точность EchoShore-DX, нашей акустической системы обнаружения аномалий. В результате мы можем быстрее информировать потребителей коммунальных услуг о возникновении утечки. По оценкам, это решение позволило сэкономить около 675 миллионов галлонов воды в 2021 году. Мы рады продолжать использовать сервисы AWS ML для дальнейшего расширения нашего технологического портфеля и дальнейшего повышения эффективности и устойчивости вместе с нашими заказчиками коммунальных услуг».

Canva

Canva, создатель популярного онлайн-инструмента для дизайна и публикации, полагается на возможности Amazon SageMaker для быстрого внедрения.

«Чтобы Canva могла расти в больших масштабах, нам нужен был инструмент, который помог бы нам запускать новые функции без каких-либо задержек и проблем», — сказал Грег Рудт, руководитель отдела платформ данных Canva. «Адаптируемость Amazon SageMaker позволила нам выполнять больше задач с меньшими ресурсами, что привело к более быстрой и эффективной рабочей нагрузке. Это вселило в нашу команду инженеров уверенность в том, что запускаемые ими функции будут масштабироваться в соответствии с их вариантами использования. С помощью Amazon SageMaker мы развернули нашу модель преобразования текста в изображение за две недели, используя мощную управляемую инфраструктуру, и мы с нетерпением ждем возможности распространить эту функцию на миллионы наших пользователей в ближайшем будущем».

Внушать

Inspire, ориентированный на потребителя медицинский информационный сервис, полагается на Amazon SageMaker для предоставления действенной информации для улучшения ухода, лечения и результатов.

«Наша система рекомендаций по контенту является основным фактором нашего ценностного предложения», — сказал Брайан Лоу, генеральный директор и основатель Inspire. «Мы используем его, чтобы направлять наших пользователей (которые живут в определенных условиях) на соответствующие и конкретные сообщения или статьи. С помощью Amazon SageMaker мы можем легко создавать, обучать и развертывать модели глубокого обучения. Наше сложное решение машинного обучения, основанное на Amazon SageMaker, помогает нам улучшить способность нашей системы рекомендаций по контенту предлагать релевантный контент 2 миллионам зарегистрированных пользователей, извлекая из нашей библиотеки, насчитывающей 1.5 миллиарда слов, по 3,600 условиям. Amazon SageMaker позволил нам точно соединить пациентов и лиц, осуществляющих уход, с более персонализированным контентом и ресурсами, включая информацию о редких заболеваниях и способах лечения».

ResMed

ResMed — ведущий поставщик облачных решений для людей с апноэ во сне, ХОБЛ, астмой и другими хроническими заболеваниями. В 2014 году ResMed запустила MyAir, платформу и приложение для персонализированного управления терапией, позволяющее пациентам отслеживать терапию во сне.

«До Amazon SageMaker все пользователи MyAir получали одни и те же сообщения из приложения одновременно, независимо от их состояния», — сказал Бадри Рагхаван, вице-президент по науке о данных в ResMed. «Amazon SageMaker позволил нам взаимодействовать с пациентами через MyAir на основе конкретного устройства ResMed, которое они используют, часов их бодрствования и других контекстных данных. Мы используем преимущества нескольких функций Amazon SageMaker для обучения конвейеров моделей и выбора типов развертывания, в том числе в режиме, близком к реальному времени, и пакетного вывода, чтобы доставлять адаптированный контент. Amazon SageMaker позволил нам достичь нашей цели — внедрить возможности машинного обучения по всему миру, развертывая модели за дни или недели, а не за месяцы».

Вериск

Verisk предоставляет экспертную аналитическую информацию на основе данных, которая помогает бизнесу, людям и обществу стать сильнее, устойчивее и устойчивее. Он использует Amazon SageMaker для оптимизации рабочих процессов машинного обучения.

«Verisk и Vexcel тесно сотрудничают друг с другом, чтобы хранить и обрабатывать огромные объемы данных на AWS, включая данные аэрофотоснимков Vexcel со сверхвысоким разрешением, которые получены в 26 странах по всему миру», — сказал Джеффри С. Тейлор, президент Verisk 3D Visual. Интеллект. «Amazon SageMaker помогает нам оптимизировать работу команд ML и MLOps, позволяя нам сосредоточиться на удовлетворении потребностей наших клиентов, в том числе заинтересованных сторон в сфере страхования, недвижимости, строительства и т. д.».

Смартокто Б.В.

С помощью Amazon SageMaker Smartocto BV предоставляет контент-аналитику на основе машинного обучения 350 редакциям новостей и медиакомпаниям по всему миру.

«Поскольку бизнес расширялся, нам нужно было упростить развертывание наших моделей машинного обучения, сократить время вывода на рынок и расширить предложение наших продуктов», — сказал Илия Суса, директор по данным Smartocto. «Однако управление сочетанием решений с открытым исходным кодом и облачных решений для самостоятельного размещения наших рабочих нагрузок машинного обучения становилось все более трудоемким. Мы перенесли наши модели машинного обучения на конечные точки Amazon SageMaker и менее чем за 3 месяца запустили Smartify, новое нативное решение для AWS. Smartify использует Amazon SageMaker для предоставления прогнозной редакционной аналитики практически в реальном времени, что помогает клиентам улучшать свой контент и расширять свою аудиторию».

Визуалфабрик

Visualfabriq предлагает решение по управлению доходами с применением возможностей искусственного интеллекта некоторым ведущим мировым компаниям по производству потребительских товаров. Он использует Amazon SageMaker для повышения производительности и точности моделей машинного обучения в любом масштабе.

«Мы хотели адаптировать наш стек технологий, чтобы повысить производительность и масштабируемость, а также упростить добавление, обновление и переобучение моделей», — сказал Джелле Верстраатен, руководитель группы прогнозирования спроса, искусственного интеллекта и управления ростом доходов в Visualfabriq. «Самым большим результатом перехода на Amazon SageMaker стало значительное повышение производительности нашего решения. Запуская логические выводы на выделенных серверах, а не на веб-серверах, наше решение становится более эффективным, а затраты — последовательными и прозрачными. Мы улучшили время отклика нашей службы прогнозирования спроса, которая предсказывает влияние рекламной акции на объем продаж розничного продавца, на 200 % и развернули масштабируемое решение, которое требует меньше ручного вмешательства и ускоряет привлечение новых клиентов».

Sophos

Sophos, мировой лидер в области решений и услуг кибербезопасности следующего поколения, использует Amazon SageMaker для более эффективного обучения своих моделей машинного обучения.

«Наша мощная технология обнаруживает и уничтожает файлы, искусно пропитанные вредоносным ПО», — сказал Константин Берлин, руководитель отдела искусственного интеллекта Sophos. «Однако использование моделей XGBoost для обработки наборов данных размером в несколько терабайт занимало чрезвычайно много времени, а иногда просто было невозможно из-за ограниченного объема памяти. С помощью распределенного обучения Amazon SageMaker мы можем успешно обучить облегченную модель XGBoost, которая занимает гораздо меньше места на диске (до 25 раз) и памяти (до XNUMX раз меньше), чем ее предшественница. Используя автоматическую настройку моделей Amazon SageMaker и распределенное обучение на спотовых инстансах, мы можем быстро и более эффективно изменять и переобучать модели без настройки базовой инфраструктуры обучения, необходимой для масштабирования до таких больших наборов данных».

Северо-Западного университета

Студентам Северо-Западного университета по программе магистра наук в области искусственного интеллекта (MSAI) была проведена экскурсия по Лаборатория студии Amazon SageMaker прежде чем использовать его во время хакатона.

«Простота использования Amazon SageMaker Studio Lab позволила студентам быстро применить полученные знания для создания творческих решений», — сказал Мохаммед Алам, заместитель директора программы MSAI. «Мы ожидали, что студенты естественным образом преодолеют некоторые препятствия во время короткого 5-часового соревнования. Вместо этого они превзошли наши ожидания, не только завершив все проекты, но и проведя впечатляющие презентации, в которых они применили сложные концепции машинного обучения для решения важных реальных проблем».

Rensselaer Polytechnic Institute

Политехнический институт Ренсселера (RPI), технологический исследовательский университет Нью-Йорка, использует Amazon SageMaker Studio, чтобы помочь студентам быстро освоить концепции машинного обучения.

«RPI владеет одним из самых мощных суперкомпьютеров в мире, но ИИ требует крутого обучения», — сказал Мохаммед Дж. Заки, профессор компьютерных наук. «Нам нужен был способ, позволяющий студентам начать обучение с минимальными затратами. Интуитивно понятный интерфейс Amazon SageMaker Studio Lab позволил нашим студентам быстро приступить к работе, а мощный графический процессор позволил им работать со сложными моделями глубокого обучения для своих ключевых проектов».

Гонконгский институт профессионального образования

ИТ-отдел Гонконгского института профессионального образования (Ли Вай Ли) использует лабораторию Amazon SageMaker Studio Lab, чтобы предложить студентам возможности работать над реальными проектами машинного обучения.

«Мы используем лабораторию Amazon SageMaker Studio Lab на базовых курсах, связанных с машинным обучением и Python, которые дают студентам прочную основу во многих облачных технологиях», — сказал Сайрус Вонг, старший преподаватель. «Лаборатория Amazon SageMaker Studio Lab позволяет нашим студентам получить практический опыт работы с реальными проектами по науке о данных, не увязая в настройках или конфигурациях. В отличие от других поставщиков, это машина Linux для студентов, позволяющая им выполнять гораздо больше упражнений по программированию».

MapmyIndia

MapmyIndia, ведущий индийский поставщик цифровых карт, геопространственного программного обеспечения и технологий Интернета вещей (IoT) на основе местоположения, использует Amazon SageMaker для создания, обучения и развертывания своих моделей машинного обучения.

«MapmyIndia и наша глобальная платформа Mappls предлагают надежную, высокоточную и глобальную аналитику на основе искусственного интеллекта и компьютерного зрения на основе спутниковых и уличных изображений для множества вариантов использования, таких как измерение экономического развития, роста населения, сельскохозяйственного развития. производительность, строительная деятельность, обнаружение уличных знаков, сегментация земель и обнаружение изменений на дорогах», — сказал Рохан Верма, генеральный директор и исполнительный директор MapmyIndia. «Наша способность быстро и точно создавать, обучать и развертывать модели отличает нас. Мы рады сотрудничеству с AWS в области наших предложений AI/ML и воодушевлены способностью Amazon SageMaker быстро масштабировать эту сферу».

СубботаКонечно

SatSure, индийский лидер в области решений для анализа принятия решений, использующих данные наблюдения Земли для получения аналитической информации, полагается на Amazon SageMaker для подготовки и обучения петабайтов данных машинного обучения.

«Мы используем Amazon SageMaker для обработки петабайтов наборов данных EO, ГИС, финансовых, текстовых и бизнес-данных, используя возможности искусственного интеллекта и машинного обучения для быстрого внедрения инноваций и масштабирования наших моделей», — сказал Пратип Басу, генеральный директор SatSure. «Мы используем AWS с 2017 года и помогли финансовым учреждениям кредитовать более 2 миллионов фермеров в Индии, Нигерии и на Филиппинах, еженедельно отслеживая 1 миллион квадратных километров».

Заключение

Чтобы начать работу с Amazon SageMaker, посетите aws.amazon.com/sagemaker.

---

Об авторе

Анкур Мехротра присоединился к Amazon еще в 2008 году и в настоящее время является генеральным директором Amazon SageMaker. До Amazon SageMaker он работал над созданием рекламных систем Amazon.com и технологии автоматического ценообразования.