机器学习是当前时代最热门的话题，领先的云提供商亚马逊网络服务(AWS)提供了许多工具来探索机器学习，从而以较高的准确率创建模型。本文使您熟悉AWS上的其中一项服务，即Amazon Sagemaker，它有助于创建高效且更准确的机器学习模型，另一个好处是您可以在模型中使用其他AWS服务，例如S3存储桶，Amazon Lambda监视ML模型的性能，您可以使用AWS Cloudwatch(这是一个监视工具)。
亚马逊SageMaker
Amazon SageMaker是一项完全托管的服务，可让数据科学家和开发人员快速轻松地构建，训练和部署任意规模的机器学习模型。 Amazon SageMaker包含可一起或独立使用的模块，以构建，训练和部署您的机器学习模型。
建造
Amazon SageMaker通过提供快速连接到训练数据以及为应用程序选择和优化最佳算法和框架所需的一切，轻松构建ML模型并使它们为训练做好准备。 Amazon SageMaker包含托管的Jupyter笔记本，可轻松浏览和可视化存储在Amazon S3上的培训数据。您可以直接连接到S3中的数据，也可以使用AWS Glue将数据从Amazon RDS，Amazon DynamoDB和Amazon Redshift移到S3中，以便在笔记本中进行分析。
为了帮助您选择算法，Amazon SageMaker包含了10种最常见的机器学习算法，这些算法已经预先安装并进行了优化，可提供您在其他任何地方运行这些算法所能获得的性能的10倍的性能。 Amazon SageMaker还预先配置为运行TensorFlow和Apache MXNet，这是两种最受欢迎的开源框架。您还可以选择使用自己的框架。
火车
您可以在Amazon SageMaker控制台中单击一下即可开始训练模型。 Amazon SageMaker可以为您管理所有基础基础设施，并且可以轻松扩展以以PB级规模训练模型。为了使训练过程更快，更轻松，AmazonSageMaker可以自动调整您的模型以实现最高的准确性。
部署
对模型进行训练和调整后，Amazon SageMaker可以轻松在生产中进行部署，因此您可以开始对新数据运行生成预测(称为推理的过程)。 Amazon SageMaker在跨多个可用性区域分布的Amazon EC2实例的自动扩展群集上部署您的模型，以提供高性能和高可用性。 Amazon SageMaker还包括内置的A / B测试功能，可帮助您测试模型并尝试不同的版本以获得最佳结果。
Amazon SageMaker消除了机器学习的繁重负担，因此您可以快速轻松地构建，训练和部署机器学习模型。