Dokumentation zu Amazon SageMaker AI

Erhalten Sie Unterstützung bei Ihren ersten Schritten mit der Amazon SageMaker AI-Rolle und -Domain.

Erfahren Sie, wie Sie Machine Learning von Anfang bis Ende automatisieren können.

Erfahren Sie mehr über die Machine Learning-Umgebungen, die Amazon SageMaker AI bietet.

Erfahren Sie, wie Sie mit einem Human-in-the-Loop Daten akkurater kennzeichnen.

Erfahren Sie, wie Sie Daten für Machine Learning vorbereiten.

Erfahren Sie, wie Sie Daten für Machine Learning verarbeiten.

Erfahren Sie, wie Sie extrahierte Datensignale (Funktionen) für Machine Learning erstellen, speichern und teilen.

Erfahren Sie, wie Sie Ihre Modelle für Machine Learning schulen.

Erfahren Sie, wie Sie Ihre Machine Learning-Modelle für Inferenz bereitstellen.

Erfahren Sie, wie Sie Machine Learning-Operationen in Amazon SageMaker AI implementieren.

Erfahren Sie, wie Sie die Daten- und Modellqualität überwachen.

Erfahren Sie, wie Sie Docker-Container verwenden, um Machine Learning-Modelle zu erstellen.

Erfahren Sie, wie Sie in Machine Learning-Modellen Tendenzen erkennen und Erklärungen verstehen.

Erfahren Sie, wie Sie mithilfe von Governance die Leistung von Modellen dokumentieren und nachverfolgen.

Erfahren Sie, wie Sie Ihre Ressourcen in Amazon SageMaker AI schützen.

Es werden alle API-Vorgänge für Amazon SageMaker AI im Detail beschrieben.

Mit der Amazon SageMaker AI Python SDK-Bibliothek können Sie Modelle unter Verwendung gängiger Deep Learning-Frameworks und -Algorithmen schulen und bereitstellen.

Mit AWS SDK für Python (Boto3) können Sie Modelldaten formatieren und Anwendungen entwickeln, um Machine Learning-Modelle zu erstellen, schulen und bereitzustellen.