Amazon SageMaker
Eine integrierte AWS-Umgebung für Analysen, maschinelles Lernen, generative KI und kontrollierten Zugriff auf Unternehmensdaten.
Über Amazon SageMaker
Amazon SageMaker vereint maschinelles Lernen, Analysen, Datenverarbeitung, SQL und die Entwicklung generativer KI von AWS in einer vernetzten Umgebung. Teams können mit verwalteter Infrastruktur Modelle für maschinelles Lernen und Basismodelle erstellen, trainieren, anpassen und bereitstellen, in serverlosen Notebooks arbeiten, Daten über einen integrierten SQL-Editor abfragen und mit vertrauten AWS-Diensten Datenpipelines erstellen. SageMaker Unified Studio bietet gemeinsamen Zugriff auf Daten und Werkzeuge, während SageMaker Catalog die Suche, Governance, Zugriffskontrolle und Zusammenarbeit unterstützt. Die Lakehouse-Architektur verbindet Amazon S3-Datenseen, Amazon Redshift-Data-Warehouses sowie föderierte oder externe Datenquellen. Amazon Q Developer bietet Unterstützung in natürlicher Sprache bei der Datensuche, beim Schreiben von Code und SQL, bei der Fehlerbehebung und bei der Modellentwicklung. Die Kosten richten sich nach der Nutzung der SageMaker-Funktionen, der AWS-Rechen- und Speicherressourcen, der Kataloganfragen, des Netzwerks und etwaiger verwendeter Drittanbieterdienste. Ausgewählte Einrichtungs- und Verwaltungsanfragen sind stets kostenlos; bei entsprechender Berechtigung können außerdem Vorteile von AWS Free Tier gelten.
Funktionen
ML-Modelle entwickeln und bereitstellen
Bereiten Sie Trainingsdaten vor, entwickeln Sie Modelle für maschinelles Lernen oder Basismodelle, führen Sie verwaltete Trainings- und Bewertungsabläufe aus und stellen Sie Modelle für Inferenz mit der SageMaker-Infrastruktur bereit. Dies unterstützt Teams, die einen einheitlichen AWS-Ablauf vom Experiment bis zum Produktivbetrieb wünschen.
Datenquellen übergreifend analysieren
Analysieren Sie mit verwalteten Notebooks und SQL-Werkzeugen Daten, die in Amazon S3, Amazon Redshift und unterstützten föderierten oder externen Quellen gespeichert sind, über eine Lakehouse-Architektur. Analysten und Entwickler können mit gemeinsam genutzten Daten arbeiten, ohne für jedes Werkzeug separate Kopien verwalten zu müssen.
Gemeinsame Daten- und KI-Arbeit steuern
Organisieren Sie Projekte und Ressourcen, suchen und teilen Sie Daten und Modelle und wenden Sie über SageMaker Catalog präzise Zugriffsrichtlinien an. Damit erhalten Daten-, Analyse- und KI-Teams eine gemeinsame Governance-Ebene für die Zusammenarbeit während des gesamten Entwicklungszyklus.
Vorteile
- Vereint Analyse-, Datenverarbeitungs-, SQL-, ML- und generative KI-Abläufe innerhalb von AWS
- Bietet verwaltete Infrastruktur zum Trainieren, Anpassen und Bereitstellen von Modellen in großem Maßstab
- Wendet gemeinsame Suche, Zugriffskontrolle und Governance auf Daten, Modelle und KI-Ressourcen an
Nachteile
- Die Gesamtkosten hängen von mehreren separat abgerechneten AWS-Diensten und Workload-Ressourcen ab
- Die Schnelleinrichtung kann zusätzliche Netzwerkgebühren verursachen, die je nach Kontokonfiguration variieren
- Für Teams außerhalb des AWS-Ökosystems können Lernkosten bei Integration und Betrieb entstehen
Preispläne
Nutzungsabhängig
- Die Gebühren richten sich nach den verwendeten AWS-Diensten und Ressourcen
- Die Nutzung von SageMaker Catalog wird separat abgerechnet
- Rechenleistung, Speicher, Netzwerk und Drittanbieterdienste können zusätzliche Kosten verursachen
- Ausgewählte Einrichtungs- und Verwaltungsanfragen von Unified Studio sind stets kostenlos
* Die Preisangaben dienen nur zur Orientierung. Bitte beachten Sie die aktuellen Informationen auf der offiziellen Website von Amazon SageMaker.