Studio 笔记本上的 250 个小时 ml.t3.medium 实例， 或者 按需笔记本实例上的 250 个小时 ml.t2 medium 实例或 ml.t3.medium 实例

25 个小时 ml.m5.4xlarge 实例

1 千万个写入单位、1 千万个读取单位、25 GB 存储

50 个小时 m4.xlarge 或 m5.xlarge 实例

125 个小时 m4.xlarge 或 m5.xlarge 实例

Amazon SageMaker JumpStart 入门

Amazon SageMaker 是一种机器学习服务，您可以使用它为几乎任何使用案例构建、训练和部署 ML 模型。有关快速的技术介绍，请参见 SageMaker 分步指南。为了帮助您上手 ML 项目，Amazon SageMaker JumpStart 针对最常见的使用案例提供了一套预构建解决方案，您只需单击几下即可部署。这些解决方案完全可定制，因此您可以对其进行修改，以适合特定使用案例和数据集的需求。

SageMaker 分步指南 » SageMaker JumpStart »

使用首个完全集成的 ML 开发环境 (IDE) 提高工作效率

Amazon SageMaker Studio 提供基于 Web 的统一可视化界面，让您可以轻松执行准备、构建、训练和部署模型所需的所有 ML 开发步骤，您将拥有。

了解更多 »

最多可节省 70% 的数据标记成本

Amazon SageMaker Ground Truth 使您可以更轻松地为各种使用案例（包括 3D 点云、视频、图像和文本）更准确地标记训练数据集。

了解更多 »

准备 ML 数据的最快、最简单的方法

Amazon SageMaker Data Wrangler 可将准备 ML 数据所需的时间从数周缩短至几分钟。只需单击几下，您就可以完成数据准备工作流的每个步骤，包括数据选择、清理、浏览和可视化。

了解更多 »

ML 专用功能库

Amazon SageMaker Feature Store 提供一个存储库，用于存储、更新、检索和共享 ML 功能。SageMaker Feature Store 为 ML 模型提供一个一致的功能视图，使得生成高度准确预测的模型容易很多。

了解更多 »

提高边缘设备上模型的质量

Amazon SageMaker Edge Manager 可帮助您优化、保护、监控和维护边缘设备群上的机器学习模型，以确保部署在边缘设备上的模型正常运行。

了解更多 »

Amazon SageMaker Clarify 在 ML工作流中提供偏差检测，使您能够在 ML 模型中建立更大的公平性和透明度。SageMaker Clarify 还包含功能重要性图形，可帮助您解释模型做出相关预测的原因，并生成用于支持内部演示或识别模型问题的报告，以便您采取措施纠正相应问题。

了解更多 »

在 ML 生命周期中保护您的数据和代码

Amazon SageMaker 提供了一套全面的安全功能，包括加密、专用网络连接、授权、身份验证、监控和可审核性，帮助您的组织满足适用于机器学习工作负载的安全要求。

了解更多 »

Amazon SageMaker Clarify 在 ML工作流中提供偏差检测，使您能够在 ML 模型中建立更大的公平性和透明度。SageMaker Clarify 还包含功能重要性图形，可帮助您解释模型做出相关预测的原因，并生成用于支持内部演示或识别模型问题的报告，以便您采取措施纠正相应问题。

了解更多 »

在 ML 生命周期中保护您的数据和代码

Amazon SageMaker 提供了一套全面的安全功能，包括加密、专用网络连接、授权、身份验证、监控和可审核性，帮助您的组织满足适用于机器学习工作负载的安全要求。

了解更多 » AWS 对 Internet Explorer 的支持将于 07/31/2022 结束。受支持的浏览器包括 Chrome、Firefox、Edge 和 Safari。 了解详情 »