Fonctionnalités de Amazon SageMaker
Quelles sont les fonctionnalités de Amazon SageMaker?
Développement de modèles
- Prise en charge linguistique
- Glissez et déposez
- Algorithmes prédéfinis
- Formation sur modèle
- Algorithmes prédéfinis
- Formation sur modèle
- Ingénierie des fonctionnalités
Services d’apprentissage automatique/profond
- Vision par ordinateur
- Traitement du langage naturel
- Génération de langage naturel
- Réseaux de neurones artificiels
déploiement
- Service géré
- Application
- Évolutivité
Système
- Ingestion de données et querelles
Meilleures alternatives à Amazon SageMaker les mieux notées
(412)
4.3 sur 5
Visiter le site web
Sponsorisé
Amazon SageMaker Catégories sur G2
Filtrer par fonctionnalités
Développement de modèles
Prise en charge linguistique | Basé sur 25 Amazon SageMaker avis. Prend en charge les langages de programmation tels que Java, C ou Python. Prend en charge les langages frontaux tels que HTML, CSS et JavaScript | 89% (Basé sur 25 avis) | |
Glissez et déposez | Offre aux développeurs la possibilité de glisser-déposer des morceaux de code ou des algorithmes lors de la création de modèles Les 24 évaluateurs de Amazon SageMaker ont donné leur avis sur cette fonctionnalité | 83% (Basé sur 24 avis) | |
Algorithmes prédéfinis | Fournit aux utilisateurs des algorithmes prédéfinis pour simplifier le développement de modèles Cette fonctionnalité a été mentionnée dans 29 avis. Amazon SageMaker | 84% (Basé sur 29 avis) | |
Formation sur modèle | Tel que rapporté dans 29 Amazon SageMaker avis. Fournit de grands ensembles de données pour la formation de modèles individuels | 89% (Basé sur 29 avis) | |
Algorithmes prédéfinis | Tel que rapporté dans 15 Amazon SageMaker avis. Fournit aux utilisateurs des algorithmes prédéfinis pour simplifier le développement de modèles | 86% (Basé sur 15 avis) | |
Formation sur modèle | Basé sur 15 Amazon SageMaker avis. Fournit de grands ensembles de données pour la formation de modèles individuels | 89% (Basé sur 15 avis) | |
Ingénierie des fonctionnalités | Tel que rapporté dans 15 Amazon SageMaker avis. Transforme les données brutes en fonctionnalités qui représentent mieux le problème sous-jacent aux modèles prédictifs | 86% (Basé sur 15 avis) |
Services d’apprentissage automatique/profond
Vision par ordinateur | Offre des services de reconnaissance d’images Les 22 évaluateurs de Amazon SageMaker ont donné leur avis sur cette fonctionnalité | 92% (Basé sur 22 avis) | |
Traitement du langage naturel | Basé sur 24 Amazon SageMaker avis. Offre des services de traitement du langage naturel | 90% (Basé sur 24 avis) | |
Génération de langage naturel | Offre des services de génération de langage naturel Cette fonctionnalité a été mentionnée dans 21 avis. Amazon SageMaker | 88% (Basé sur 21 avis) | |
Réseaux de neurones artificiels | Offre des réseaux de neurones artificiels pour les utilisateurs Les 24 évaluateurs de Amazon SageMaker ont donné leur avis sur cette fonctionnalité | 90% (Basé sur 24 avis) | |
Vision par ordinateur | Basé sur 12 Amazon SageMaker avis. Offre des services de reconnaissance d’images | 96% (Basé sur 12 avis) | |
Compréhension du langage naturel | Tel que rapporté dans 13 Amazon SageMaker avis. Offre des services de compréhension du langage naturel | 92% (Basé sur 13 avis) | |
Génération de langage naturel | Offre des services de génération de langage naturel Cette fonctionnalité a été mentionnée dans 13 avis. Amazon SageMaker | 90% (Basé sur 13 avis) | |
Apprentissage profond | Tel que rapporté dans 14 Amazon SageMaker avis. Fournit des capacités d’apprentissage profond | 90% (Basé sur 14 avis) |
déploiement
Service géré | Basé sur 28 Amazon SageMaker avis. Gère l’application intelligente pour l’utilisateur, réduisant ainsi le besoin d’infrastructure | 88% (Basé sur 28 avis) | |
Application | Basé sur 28 Amazon SageMaker avis. Permet aux utilisateurs d’insérer l’apprentissage automatique dans les applications d’exploitation | 86% (Basé sur 28 avis) | |
Évolutivité | Fournit des applications et une infrastructure d’apprentissage automatique facilement évolutives Les 27 évaluateurs de Amazon SageMaker ont donné leur avis sur cette fonctionnalité | 90% (Basé sur 27 avis) | |
Flexibilité linguistique | Permet aux utilisateurs d’entrer des modèles créés dans une variété de langues. | Pas assez de données disponibles | |
Flexibilité du cadre | Permet aux utilisateurs de choisir le framework ou l’atelier de leur choix. | Pas assez de données disponibles | |
Gestion des versions | Le contrôle de version des enregistrements en tant que modèles est itéré. | Pas assez de données disponibles | |
Facilité de déploiement | Fournit un moyen de déployer rapidement et efficacement des modèles de machine learning. | Pas assez de données disponibles | |
Évolutivité | Offre un moyen d’adapter l’utilisation des modèles d’apprentissage automatique à l’échelle d’une entreprise. | Pas assez de données disponibles | |
Service géré | Gère l’application intelligente pour l’utilisateur, réduisant ainsi le besoin d’infrastructure Cette fonctionnalité a été mentionnée dans 14 avis. Amazon SageMaker | 95% (Basé sur 14 avis) | |
Application | Tel que rapporté dans 14 Amazon SageMaker avis. Permet aux utilisateurs d’insérer l’apprentissage automatique dans les applications d’exploitation | 88% (Basé sur 14 avis) | |
Évolutivité | Fournit des applications et une infrastructure d’apprentissage automatique facilement évolutives Cette fonctionnalité a été mentionnée dans 13 avis. Amazon SageMaker | 97% (Basé sur 13 avis) | |
Flexibilité linguistique | Permet aux utilisateurs d’entrer des modèles créés dans une variété de langues. | Pas assez de données disponibles | |
Flexibilité du cadre | Permet aux utilisateurs de choisir le framework ou l’atelier de leur choix. | Pas assez de données disponibles | |
Gestion des versions | Le contrôle de version des enregistrements en tant que modèles est itéré. | Pas assez de données disponibles | |
Facilité de déploiement | Fournit un moyen de déployer rapidement et efficacement des modèles de machine learning. | Pas assez de données disponibles | |
Évolutivité | Offre un moyen d’adapter l’utilisation des modèles d’apprentissage automatique à l’échelle d’une entreprise. | Pas assez de données disponibles |
management
Catalogage | Enregistre et organise tous les modèles de machine learning qui ont été déployés dans l’ensemble de l’entreprise. | Pas assez de données disponibles | |
Surveillance | Suit les performances et la précision des modèles d’apprentissage automatique. | Pas assez de données disponibles | |
Gouvernant | Provisionne les utilisateurs en fonction de l’autorisation de déployer et d’itérer sur des modèles Machine Learning. | Pas assez de données disponibles | |
Registre des modèles | Permet aux utilisateurs de gérer les artefacts de modèle et de suivre les modèles déployés en production. | Pas assez de données disponibles | |
Catalogage | Enregistre et organise tous les modèles de machine learning qui ont été déployés dans l’ensemble de l’entreprise. | Pas assez de données disponibles | |
Surveillance | Suit les performances et la précision des modèles d’apprentissage automatique. | Pas assez de données disponibles | |
Gouvernant | Provisionne les utilisateurs en fonction de l’autorisation de déployer et d’itérer sur des modèles Machine Learning. | Pas assez de données disponibles |
Système
Ingestion de données et querelles | Permet à l’utilisateur d’importer diverses sources de données pour une utilisation immédiate Cette fonctionnalité a été mentionnée dans 15 avis. Amazon SageMaker | 81% (Basé sur 15 avis) | |
Prise en charge linguistique | Tel que rapporté dans 13 Amazon SageMaker avis. Prend en charge les langages de programmation tels que Java, C ou Python. Prend en charge les langages frontaux tels que HTML, CSS et JavaScript | 88% (Basé sur 13 avis) | |
Glissez et déposez | Basé sur 12 Amazon SageMaker avis. Offre aux développeurs la possibilité de glisser-déposer des morceaux de code ou des algorithmes lors de la création de modèles | 90% (Basé sur 12 avis) |
Opérations
Métriques | Contrôler l’utilisation et les performances du modèle en production | Pas assez de données disponibles | |
Gestion de l’infrastructure | Déployez des applications ML stratégiques où et quand vous en avez besoin | Pas assez de données disponibles | |
Collaboration | Comparez facilement les expériences (code, hyperparamètres, métriques, prédictions, dépendances, métriques système, etc.) pour comprendre les différences de performances du modèle. | Pas assez de données disponibles |
