发布于: Jun 29, 2022
#1 – 降低成本
构建和管理您自己的 ML 基础设施可能成本高昂，而 Amazon SageMaker 是一个很好的替代选项。事实上，我们发现，与其他选项相比，Amazon SageMaker 的 3 年总体拥有成本 (TCO) 要低 54% 以上，并且最高可以将开发人员的工作效率提高 10 倍。这是因为 Amazon SageMaker 会管理 ML 通常需要的所有训练和预测基础设施，使团队能够专注于研究和解决手头的 ML 问题。
此外，Amazon SageMaker 还包含很多可帮助尽快、尽量经济高效地运行训练作业的功能：最常见的机器学习库的优化版本、网络最高达 100GB 的各种 CPU 和 GPU 实例 ，当然还有让您可以在训练作业上最高节省 90% 费用的托管 Spot 训练。最后但同样重要的一点是，Amazon SageMaker Debugger 可自动确定 ML 训练作业中出现的复杂问题。非生产性作业会提前终止，您可以使用训练期间捕获的模型信息来确定根本原因。
Amazon SageMaker 还可以帮助您削减预测成本。凭借多模型终端节点，您可以在单个预测终端节点上部署多个模型，从而避免运行许多低流量终端节点所需的额外工作和成本。对于需要一些硬件加速而不需要成熟 GPU 的模型，Amazon Elastic Inference 可让您最高节省 90% 的预测成本。另一方面，大规模预测工作负载可以依靠 Amazon Web Services 设计的自定义芯片 Amazon Web Services Inferentia，实现比 GPU 实例最多高 30% 的吞吐量，最高降低 45% 的成本。
#2 – 构建安全且合规的 ML 系统
安全始终是Amazon Web Services 的重中之重。这对于金融服务或医疗保健等受监管行业的客户来说尤为重要，因为他们必须以最高级别的安全性和合规性来实施解决方案。为此，Amazon SageMaker 实施了很多安全功能，使其能够符合以下全球标准：SOC 1/2/3、PCI、ISO、FedRAMP、DoD CC SRG、IRAP、MTCS、C5、K-ISMS、ENS High、OSPAR 和 HITRUST CSF。同时，它还符合 HIPAA BAA。
#3 – 标注数据并保持人类的循环
正如 ML 从业人员所知，将数据转换为数据集需要大量的时间和精力。为了帮助您节省时间和精力，作为一项完全托管的数据标签服务，Amazon SageMaker Ground Truth 可以轻松地以任何规模标注和构建高度精确的训练数据集（文本、图像、视频和 3D 点云数据集）。
AstraZeneca 病理研究总监 Magnus Soderberg 说：“AstraZeneca 一直在研究和开发的各个阶段进行机器学习试验，最近还在病理学方面进行机器学习试验，以加快组织样本的审查过程。机器学习模型首先从具有代表性的大型数据集中学习。标记数据是另一个耗时的步骤，尤其是在这种情况下，需要数千张组织样本图像才能训练精确的模型。AstraZeneca 使用一项由机器学习支持的人工数据标记和标注服务 Amazon SageMaker Ground Truth 自动执行这项工作中最乏味的部分，使编目样本所花费的时间至少降低 50%。”
Amazon SageMaker 已经过评估
Amazon SageMaker 自推出以来，增加了数百个新功能，这证明了我们一直在代表客户不断进行创新。事实上，该服务 2020 年 2 月被评为 Gartner 云 AI 开发人员服务魔力象限总体领导者。Gartner 订阅者可以单击此处，详细了解我们在“2020 年 7 月 Amazon SageMaker 解决方案记分卡”中的总评分为什么是 84/100（该评分是同行中的最高评分）。据 Gartner 报告，我们满足了 87% 的必要标准、73% 的首选标准和 85% 的可选标准。
宣布降低 GPU 实例的价格
为了感谢客户的信任，并表明我们将继续致力于把 Amazon SageMaker 打造成最好、最经济高效的 ML 服务，我非常高效地宣布对所的 ml.p2 和 ml.p3 GPU 实例大幅降价。自 10 月 1 日起，它将在所有的 SageMaker 组件以及以下区域中应用：美国东部（弗吉尼亚北部）、美国东部（俄亥俄）、美国西部（俄勒冈）、欧洲（爱尔兰）、欧洲（法兰克福）、欧洲（伦敦）、加拿大（中部）、亚太地区（新加坡）、亚太地区（悉尼）、亚太地区（首尔）、亚太地区（东京）、亚太地区（孟买）和 Amazon Web Services GovCloud (US-Gov-West)。
实例名称 |
降价 |
ml.p2.xlarge |
-11% |
ml.p2.8xlarge |
-14% |
ml.p2.16xlarge |
-18% |
ml.p3.2xlarge |
-11% |
ml.p3.8xlarge |
-14% |
ml.p3.16xlarge |
-18% |
ml.p3dn.24xlarge |
-18% |
Amazon SageMaker 入门
正如您所看到的，Amazon SageMaker 拥有很多令人兴奋的功能，建议您试用它们！ Amazon SageMaker 已在全球范围推出，因此，您可以轻松开始处理自己的数据集。该服务属于 Amazon Web Services 免费套餐的一部分，新用户可以在前两个月免费使用该服务数百个小时。
如果您想了解此服务有无问题，本教程将让您在几分钟内开始使用。您将了解如何使用 SageMaker Studio 基于 XGBoost 算法构建、训练和部署分类模型。
最后但同样重要的一点是，我刚出版了一本书“Learn Amazon SageMaker”，这本书一共 500 页，详细说明了所有的 SageMaker 功能，插图由 60 多个原始 Jupyter 笔记本提供。它应该能帮助您马上赶上进度。
如往常一样，我们期待您的反馈。请与您的常用 Amazon Web Services Support 联系人或在 SageMaker 的 Amazon Web Services 论坛上分享它。
– Julien
相关文章