Amazon SageMaker
Un environnement AWS intégré pour l'analyse, le machine learning, l'IA générative et l'accès gouverné aux données d'entreprise.
À propos de Amazon SageMaker
Amazon SageMaker réunit le machine learning, l'analyse, le traitement des données, SQL et le développement d'IA générative d'AWS dans un environnement interconnecté. Les équipes peuvent créer, entraîner, personnaliser et déployer des modèles de machine learning et des modèles de fondation sur une infrastructure gérée, travailler dans des notebooks sans serveur, interroger les données avec un éditeur SQL intégré et créer des pipelines de données à l'aide de services AWS familiers. SageMaker Unified Studio fournit un accès partagé aux données et aux outils, tandis que SageMaker Catalog facilite la découverte, la gouvernance, le contrôle des accès et la collaboration. Son architecture lakehouse relie les lacs de données Amazon S3, les entrepôts de données Amazon Redshift et les sources de données fédérées ou tierces. Amazon Q Developer fournit une assistance en langage naturel pour rechercher des données, écrire du code et des requêtes SQL, résoudre des problèmes et guider le développement des modèles. Les coûts dépendent de l'utilisation des fonctionnalités de SageMaker, des ressources de calcul et de stockage AWS, des requêtes de catalogue, du réseau et des éventuels services tiers utilisés. Certaines requêtes de configuration et de gestion sont toujours gratuites, et les avantages AWS Free Tier peuvent s'appliquer aux utilisateurs éligibles.
Fonctionnalités
Développer et déployer des modèles de ML
Préparez les données d'entraînement, développez des modèles de machine learning ou des modèles de fondation, exécutez des processus gérés d'entraînement et d'évaluation, puis déployez les modèles à des fins d'inférence à l'aide de l'infrastructure SageMaker. Cette approche convient aux équipes qui souhaitent un processus AWS unique, de l'expérimentation à l'exploitation en production.
Analyser plusieurs sources de données
Utilisez des notebooks gérés et des outils SQL pour analyser les données stockées dans Amazon S3, Amazon Redshift et les sources fédérées ou tierces prises en charge au moyen d'une architecture lakehouse. Les analystes et les ingénieurs peuvent travailler sur des données partagées sans conserver une copie distincte pour chaque outil.
Gouverner les travaux collaboratifs sur les données et l'IA
Organisez les projets et les ressources, découvrez et partagez des données et des modèles, puis appliquez des politiques d'accès précises au moyen de SageMaker Catalog. Les équipes chargées des données, de l'analyse et de l'IA disposent ainsi d'une couche de gouvernance commune pour collaborer tout au long du cycle de développement.
Avantages
- Réunit dans AWS les processus d'analyse, de traitement des données, de SQL, de machine learning et d'IA générative
- Fournit une infrastructure gérée pour entraîner, personnaliser et déployer des modèles à grande échelle
- Applique des mécanismes communs de découverte, de contrôle des accès et de gouvernance aux données, aux modèles et aux ressources d'IA
Limites
- Le coût total dépend de plusieurs services AWS et ressources de charge de travail facturés séparément
- La configuration rapide peut entraîner des frais de réseau supplémentaires qui varient selon la configuration du compte
- Les équipes extérieures à l'écosystème AWS peuvent devoir supporter des coûts d'apprentissage liés à l'intégration et à l'exploitation
Formules tarifaires
Tarification à l'usage
- Les frais dépendent des services et ressources AWS utilisés
- L'utilisation de SageMaker Catalog est facturée séparément
- Le calcul, le stockage, le réseau et les services tiers peuvent entraîner des frais supplémentaires
- Certaines requêtes de configuration et de gestion d'Unified Studio sont toujours gratuites
* Les informations tarifaires sont données à titre indicatif. Consultez les dernières annonces sur le site officiel de Amazon SageMaker.