Características de Amazon SageMaker

Admite lenguajes de programación como Java, C o Python. Admite lenguajes front-end como HTML, CSS y JavaScript

Ofrece a los desarrolladores la posibilidad de arrastrar y soltar fragmentos de código o algoritmos al crear modelos

Proporciona a los usuarios algoritmos prediseñados para un desarrollo de modelos más sencillo

Proporciona grandes conjuntos de datos para entrenar modelos individuales

Transforma los datos sin procesar en características que representan mejor el problema subyacente a los modelos predictivos

Ofrece servicios de reconocimiento de imágenes

Ofrece servicios de procesamiento de lenguaje natural

Ofrece servicios de generación de lenguaje natural

Ofrece redes neuronales artificiales para los usuarios

Ofrece servicios de comprensión del lenguaje natural

Proporciona capacidades de aprendizaje profundo

Gestiona la aplicación inteligente para el usuario, reduciendo la necesidad de infraestructura

Permite a los usuarios insertar aprendizaje automático en aplicaciones operativas

Proporciona aplicaciones e infraestructura de aprendizaje automático fáciles de escalar

Permite a los usuarios introducir modelos creados en una variedad de idiomas.

Permite a los usuarios elegir el marco o el entorno de trabajo de su preferencia.

Se repiten versiones de registros a medida que se iteran los modelos.

Proporciona una forma rápida y eficaz de implementar modelos de aprendizaje automático.

Ofrece una forma de escalar el uso de modelos de aprendizaje automático en toda la empresa.

Permite a los usuarios introducir modelos creados en una variedad de idiomas.

Permite a los usuarios elegir el marco o el entorno de trabajo de su preferencia.

Se repiten versiones de registros a medida que se iteran los modelos.

Proporciona una forma rápida y eficaz de implementar modelos de aprendizaje automático.

Ofrece una forma de escalar el uso de modelos de aprendizaje automático en toda la empresa.

Registra y organiza todos los modelos de aprendizaje automático que se han implementado en toda la empresa.

Realiza un seguimiento del rendimiento y la precisión de los modelos de aprendizaje automático.

Aprovisiona a los usuarios en función de la autorización para implementar e iterar modelos de aprendizaje automático.

Permite a los usuarios administrar artefactos de modelos y realizar un seguimiento de los modelos que se implementan en producción.

Registra y organiza todos los modelos de aprendizaje automático que se han implementado en toda la empresa.

Realiza un seguimiento del rendimiento y la precisión de los modelos de aprendizaje automático.

Aprovisiona a los usuarios en función de la autorización para implementar e iterar modelos de aprendizaje automático.

Ofrece al usuario la capacidad de importar una variedad de fuentes de datos para su uso inmediato

Controlar el uso y el rendimiento del modelo en producción

Implemente aplicaciones de aprendizaje automático de misión crítica donde y cuando las necesite

Compare fácilmente experimentos (código, hiperparámetros, métricas, predicciones, dependencias, métricas del sistema, etc.) para comprender las diferencias en el rendimiento del modelo.

Permite a los usuarios generar texto basado en un mensaje de texto.

Condensa documentos largos o texto en un breve resumen.

Permite a los usuarios generar texto basado en un mensaje de texto.

Condensa documentos largos o texto en un breve resumen.

Proporciona la capacidad de generar imágenes a partir de un mensaje de texto.

Garantiza que el servicio sea confiable y esté disponible cuando sea necesario, minimizando el tiempo de inactividad y las interrupciones del servicio.

Permite al usuario escalar el entrenamiento de modelos de manera eficiente, lo que facilita el manejo de conjuntos de datos más grandes y modelos más complejos.

Proporciona al usuario la capacidad de obtener respuestas rápidas y de baja latencia durante la etapa de inferencia, que es fundamental para las aplicaciones en tiempo real.

Ofrece al usuario un modelo de precios transparente para las llamadas a la API, lo que permite una mejor planificación del presupuesto y control de costes.

Proporciona al usuario la capacidad de asignar recursos computacionales en función de la demanda, lo que lo hace rentable.

Permite al usuario minimizar el uso de energía tanto durante el entrenamiento como durante la inferencia, lo que es cada vez más importante para las operaciones sostenibles.

Ofrece al usuario la flexibilidad de implementar en múltiples proveedores de nube, lo que reduce el riesgo de dependencia de un proveedor.

Proporciona al usuario la capacidad de conectarse sin problemas con varias fuentes de datos y canalizaciones, lo que simplifica la ingesta de datos y el preprocesamiento.

Permite al usuario integrar fácilmente los modelos de IA generativa en los flujos de trabajo y sistemas existentes a través de API.

Ayuda al usuario a mantener el cumplimiento de GDPR y otras regulaciones de protección de datos, lo cual es crucial para las empresas que operan a nivel mundial.

Permite al usuario configurar controles de acceso basados en roles dentro de la organización, mejorando la seguridad.

Garantiza que los datos estén cifrados durante el tránsito y en reposo, lo que proporciona una capa adicional de seguridad.

Proporciona al usuario una documentación completa y clara, lo que ayuda a una adopción y resolución de problemas más rápidas.

Permite al usuario medir el nivel de soporte de la comunidad y las extensiones de terceros disponibles, lo que puede ser útil para resolver problemas y ampliar la funcionalidad.

Capacidad para realizar tareas complejas sin intervención humana constante

Capacidad para desglosar y planificar procesos de múltiples pasos

Funciona en múltiples sistemas de software o bases de datos

Mejora el rendimiento basado en la retroalimentación y la experiencia

Participa en conversaciones similares a las humanas para la delegación de tareas

Anticipa necesidades y ofrece sugerencias sin que se lo pidan

Toma decisiones informadas basadas en los datos disponibles y los objetivos.

Analiza los conjuntos de datos entrantes para detectar automáticamente valores faltantes, distribuciones, valores atípicos y problemas de calidad de datos.

Permite a los usuarios ingerir datos de diversas fuentes (bases de datos, APIs, almacenamiento en la nube, hojas de cálculo) sin necesidad de programación personalizada.

Alerta automáticamente a los usuarios cuando el esquema de los datos entrantes se desvía de la estructura esperada con el tiempo.

Sugiere o selecciona automáticamente algoritmos candidatos e hiperparámetros basados en las características del conjunto de datos

Permite a los usuarios insertar código personalizado (por ejemplo, Python, R, SQL) o módulos personalizados en las etapas del pipeline para mayor flexibilidad.

Propone o aplica automáticamente características derivadas para mejorar el rendimiento del modelo.