Category: Amazon SageMaker

我们非常高兴地宣布推出支持 Amazon SageMaker Debugger，它是 Amazon SageMaker 的新功能，可以自动识别机器学习 (ML) 训练作业中出现的复杂问题。

今天，我们非常高兴地推出 Amazon SageMaker Autopilot，它可以在完全控制和可见的情况下，自动创建最佳分类和回归机器学习模型。

今天，我们非常高兴地宣布推出 Amazon SageMaker 模型监控器。这是 Amazon SageMaker 的一项新功能，可以自动监控生产中的机器学习 (ML) 模型，并在出现数据质量问题时向您发出警报。

今天，我们很高兴地宣布推出 Amazon SageMaker Experiments，它是 Amazon SageMaker 的一项新功能，可让您组织、跟踪、比较和评估机器学习 (ML) 实验和模型版本。

今天，我们非常高兴地推出 Amazon SageMaker Processing，这是Amazon SageMaker 的一项新功能，可让您轻松地在完全托管的基础设施上运行预处理、后处理和模型评估工作负载。

今天，我们非常高兴地推出 Amazon SageMaker Studio：首个全集成的机器学习 (ML) 开发环境。

今天，若要将机器学习与关系数据库中的数据结合使用，您需要开发一个自定义应用程序来读取数据库中的数据，然后再应用机器学习模型。开发此应用程序需要多种技能才能与数据库进行交互和使用机器学习。这是一个新的应用程序，现在，您必须管理其性能、可用性和安全性。

今天，我很高兴宣布最大型号的 P3 实例 p3dn.24xlarge 现已可在 Amazon SageMaker 上用于训练模型。此型号的实例于去年推出，专为加速大型复杂的分布式训练作业而设计：它的 GPU 内存是其他 P3 实例的两倍，vCPU 数量增加了 50%，具有超快速的本地 NVMe 存储和高达 100Gb 的网络带宽。

Amazon SageMaker 是一种完全托管的模块化机器学习 (ML) 服务，它可帮助开发人员和数据科学家轻松构建、训练和部署任意规模的模型。您可以使用内置的算法，也可以自带算法，或者使用来自 AWS Marketplace 的算法，让 ML 模型从试验走向大规模生产从未变得如此简单、快速。

在 AWS re:Invent 2018 上推出的 Amazon SageMaker Ground Truth 是 Amazon SageMaker 中的一项功能，可方便客户高效准确地为机器学习训练系统所需的数据集添加标签。