Recensioni e Dettagli del Prodotto Amazon SageMaker

Uso Amazon SageMaker per costruire un modello di deep learning, specificamente un modello di rilevamento oggetti. È un'esperienza davvero fantastica per me, soprattutto perché il mio laptop non ha supporto GPU avanzato e l'addestramento di un modello richiederebbe circa 7-8 ore. Con la macchina virtuale di Amazon SageMaker, l'addestramento del mio modello di deep learning richiede solo 3-4 minuti. Questa piattaforma è ottima, e anche qualcuno che non l'ha mai usata prima può adattarsi al primo utilizzo e comprendere facilmente tutte le funzionalità offerte da SageMaker. Penso che la macchina virtuale di Amazon SageMaker sia più avanzata della piattaforma Microsoft Azure. È più efficace e meno dispendiosa in termini di tempo. La facilità d'uso è brillante; posso adattarmi facilmente a questa piattaforma rispetto a Microsoft. L'installazione iniziale è molto semplice e con un'unica autenticazione ho accesso alle risorse di cui ho bisogno per il mio lavoro. A mio avviso, le do 10 su 10. Recensione raccolta e ospitata su G2.com.

Questa è una grande piattaforma. Non mi dispiace. Recensione raccolta e ospitata su G2.com.

Mi piace quanto sia facile addestrare modelli di ML su Amazon SageMaker e condurre esperimenti rapidi. Posso facilmente creare prototipi e apportare modifiche ai miei modelli di ML, e il processo di addestramento è semplice. Tutti i log sono accessibili, il che aiuta a controllare lo stato dell'addestramento e a testare i modelli. Questo rende efficiente sperimentare e cambiare i parametri direttamente in SageMaker. Recensione raccolta e ospitata su G2.com.

Una migliore trasparenza dei costi può esserci. Inoltre, c'è una curva di apprendimento con la configurazione iniziale. Recensione raccolta e ospitata su G2.com.

Il processo di accesso è semplice e l'installazione del software non è complicata. L'interfaccia utente è anche molto intuitiva. Recensione raccolta e ospitata su G2.com.

Il portale potrebbe utilizzare alcuni ritocchi aggiuntivi per apparire più presentabile. Recensione raccolta e ospitata su G2.com.

Quello che mi piace di più di Amazon SageMaker è il suo supporto end-to-end per l'intero ciclo di vita del machine learning. Dalla preparazione dei dati e costruzione del modello alla formazione, ottimizzazione e distribuzione, tutto è perfettamente integrato in un'unica piattaforma. Apprezzo particolarmente gli algoritmi integrati, i notebook Jupyter e l'ottimizzazione automatica del modello (Ottimizzazione degli Iperparametri). La capacità di scalare facilmente i lavori di formazione e distribuire i modelli come endpoint completamente gestiti con pochi clic o righe di codice è un enorme incremento di produttività. SageMaker Studio fornisce anche un ottimo ambiente collaborativo per i team. Recensione raccolta e ospitata su G2.com.

Sebbene Amazon SageMaker sia potente, uno svantaggio è la sua complessità e il costo per i principianti o per progetti su piccola scala. La curva di apprendimento può essere ripida, specialmente quando si configurano le risorse, si gestiscono i permessi con IAM o si comprende il modello di pricing. Alcune funzionalità, come SageMaker Pipelines o Studio, possono sembrare opprimenti senza un'esperienza precedente con AWS. Inoltre, il debug di lavori di addestramento o distribuzioni falliti può essere difficile senza log dettagliati o messaggi di errore chiari. Recensione raccolta e ospitata su G2.com.

Amazon SageMaker supporta l'intero flusso di lavoro del machine learning—dalla preparazione dei dati al deployment del modello—in un unico posto.

Possiamo facilmente caricare i dati, esplorarli, addestrare modelli e testarli senza cambiare strumenti.

Mi piace molto che SageMaker gestisca i server per noi, così non dobbiamo configurare o mantenere alcuna infrastruttura.

Rende anche il deployment flessibile e semplice. In generale, rende i progetti di ML molto più facili da gestire, specialmente quando si lavora in un team. Recensione raccolta e ospitata su G2.com.

Può essere difficile imparare all'inizio, specialmente per i principianti. L'interfaccia a volte è lenta o non molto fluida, specialmente con file di grandi dimensioni o quando si cambiano le schede. Recensione raccolta e ospitata su G2.com.

End to end, Scalabilità e flessibilità, Integrazione con AWS, facilità d'uso, Monitoraggio e debug del modello Recensione raccolta e ospitata su G2.com.

Gestione dei costi, difficile da personalizzare o andare oltre le funzionalità predefinite, chiarezza della documentazione, è necessaria una buona comprensione di ML e AWS per sfruttarne appieno le capacità. Recensione raccolta e ospitata su G2.com.

Ciò che mi piace di più di Amazon SageMaker è la sua capacità di gestire l'intero ciclo di vita del machine learning in un'unica piattaforma integrata. Semplifica la costruzione, l'addestramento e il deployment dei modelli offrendo al contempo scalabilità e strumenti potenti come SageMaker Studio e la sintonizzazione automatica dei modelli. Recensione raccolta e ospitata su G2.com.

Quello che non mi piace di Amazon SageMaker è che la sua struttura dei prezzi può essere complessa e diventare rapidamente costosa, specialmente per lavori di addestramento di lunga durata o distribuzioni su larga scala. Inoltre, la curva di apprendimento può essere ripida per i nuovi utenti non familiari con i servizi e le configurazioni di AWS. Recensione raccolta e ospitata su G2.com.

Offre notebook Jupyter gestiti (SageMaker Studio, Studio Lab), supporta i framework ML più popolari (TensorFlow, PyTorch, MXNet) e fornisce strumenti per l'addestramento distribuito e l'ottimizzazione degli iperparametri. Recensione raccolta e ospitata su G2.com.

SageMaker è costoso, specialmente per lavori di addestramento a lungo termine, distribuzioni su larga scala o quando si utilizzano istanze ad alte prestazioni. Il modello pay-as-you-go può portare a costi imprevisti e la struttura dei prezzi può essere complessa da comprendere e ottimizzare. Recensione raccolta e ospitata su G2.com.

Nessun mal di testa con il codice e l'infrastruttura. Gestione completa end-to-end. Recensione raccolta e ospitata su G2.com.

Complicazioni di costo e prezzi. La migrazione in un altro cloud è un po' impegnativa. Recensione raccolta e ospitata su G2.com.

È altamente scalabile, molto potente dal punto di vista computazionale, ben integrato con la maggior parte dei data warehouse e data lake dei fornitori, e può essere accessibile nel browser. Recensione raccolta e ospitata su G2.com.

Faccio fatica a fare una stima del calcolo del prezzo. Anche se esiste uno strumento chiamato calcolatore di prezzi AWS, l'elenco delle configurazioni disponibili non mostra il numero di configurazioni che puoi selezionare durante l'impostazione delle istanze di Studio e Notebook dello strumento. Recensione raccolta e ospitata su G2.com.