Developing ML solutions
Developing ML Solutions with Amazon SageMaker AI
Amazon SageMaker AI adalah layanan ML fully managed untuk seluruh workflow dalam satu antarmuka: mengumpulkan dan menyiapkan data, membangun dan melatih model, serta men-deploy dan memonitornya. SageMaker Studio adalah UI berbasis web yang direkomendasikan untuk semua itu.
Fitur SageMaker per tahap lifecycle
| Tahap | Fitur |
|---|---|
| Labeling data | SageMaker Ground Truth: labeling oleh manusia, termasuk RLHF |
| Menyiapkan data | SageMaker Data Wrangler: import, cleaning, transformasi, dan analisis data dengan low-code |
| Menyimpan feature | SageMaker Feature Store: feature yang bisa dibagi dan dipakai ulang untuk training dan inference |
| Deteksi bias dan explainability | SageMaker Clarify |
| Membangun tanpa kode | SageMaker Canvas: ML visual no-code untuk business analyst |
| Mulai dari model pre-trained | SageMaker JumpStart |
| Otomasi pembuatan model | SageMaker Autopilot: AutoML |
| Training dan tuning | Training job managed dan automatic model tuning (hyperparameter optimization) |
| Melacak eksperimen | SageMaker Experiments |
| Versi dan approval model | SageMaker Model Registry |
| Orkestrasi pipeline | SageMaker Pipelines: CI/CD untuk ML |
| Monitoring di production | SageMaker Model Monitor |
Daftar fitur ini berasal dari diagram SageMaker, yang tidak tertangkap sebagai teks di full notes.