共计 2028 个字符，预计需要花费 6 分钟才能阅读完成。
什么是 Amazon SageMaker?
为了解决机器学习自身存在的诸多问题，让数据科学家、算法工程师、业务开发者都能轻松驾驭机器学习，AWS 于 2017 年 11 月推出了 Amazon SageMaker 机器学习平台服务，并且在过来的两年多里不断丰富性能组件。在 Gartner 公布的 2020 年云上 AI 开发者服务魔力象限中，AWS 被评为领导者，Amazon SageMaker 是其中不可或缺的一部分。
2020 年 4 月 30 日，Amazon SageMaker 在由光环新网经营的 AWS 中国（北京）区域和由西云数据经营的 AWS 中国（宁夏）区域正式凋谢。
那么，Amazon SageMaker 的性能到底有多弱小？又有哪些企业应用 Amazon SageMaker 造就胜利案例了呢？
如何使用 Amazon SageMaker 进行数据管理及部署工作
自从呈现互联网当前，数据的体量、增速和类型就一直地减少。很多企业面临的问题在于，如何治理并了解此“大数据”以失去最现实的回报。
数据湖是一种集中的存储库，它能够存储任何规模的各种结构化和非结构化数据。思考到更好的安全性、更快的部署、更好的可用性、更具弹性、更广的天文覆盖范围以及与理论利用率相干的老本，让数据湖胜利为企业发明高额商业价值火烧眉毛。
数据湖通常采纳 hub-and-spoke 模型，其中核心账户蕴含控制数据源拜访权限的共享服务。咱们将 hub 账户称作地方数据湖（Central Data Lake）。在 hub 账户的泛滥服务中，咱们将重点关注与人工智能（AI）及机器学习（ML）最密切相关的几个方面：摄入、清理、存储和数据目录。
浏览具体案例请点击：《数据横流时代，机器学习如何扭转大数据管理？》
Cinnamon AI
Cinnamon AI 是一间总部设在日本的守业公司。其旗舰产品 Flax Scanner 是一种文档阅读器。该产品使用自然语言解决 (NLP) 算法实现自动化提取无构造的商业文件（如发票、收据、保险理赔和财务报表等）数据。
Cinnamon AI 抉择采纳 AWS 开发其 ML 服务，因为 AWS 服务范畴较广，且提供多种具备老本效益的定价选项，以及精细化安全控制和技术支持。
“Amazon SageMaker 的托管 Spot 训练性能曾经对咱们的 AWS 老本节俭工作产生了深远影响。在应用托管 Spot 训练后，咱们的 AWS EC2 老本足足升高了 70%。”Cinnamon AI 基础设施和信息安全办公室总经理 Tetsuya Saito 示意。“此外，托管 Spot 训练不须要简单办法反对，通过 Amazon SageMaker 开发工具包即可轻松应用。”
下图显示了六个月内 Cinnamon AI 模型训练老本节俭变化趋势。在 2019 年 6 月，该团队将其 ML 工作量迁徙至 AWS，随后开始启用 EC2 按需实例进行模型训练。他们还针对应用按需实例的模型训练采纳了 Amazon SageMaker，升高了约 20% 左右的训练老本。此外，他们在 2019 年 11 月通过托管 Spot 训练将 Spot 实例用于模型训练，大幅降低成本，老本节俭率达到 70% 之多。他们在老本节俭方面所获得的显著成绩也使得他们在放弃降低成本开销的同时，将日常模型训练作业量晋升了 40%。
浏览具体案例请点击：《自从有了 TA，每年可节约 90% 的老本！》
虎牙直播
作为一家以游戏为外围的直播平台，虎牙直播算是国内晚期进入直播行业的先驱者且疾速成长为年轻人青睐的弹幕式互动直播平台。
基于大举进军海内市场的品牌战略思考，虎牙直播首选 Amazon Web Services（AWS）作为其云服务商，助力虎牙直播完满应答全球化经营的挑战。
直播行业市场空间无限，企业汇集过剩，如何进一步晋升其产品竞争力成了虎牙直播在全球化策略下需亟待解决的难题。
为此，虎牙直播一直尝试和利用 AWS 新服务，其中便包含利用 Amazon SageMaker 在云上训练机器学习模型，灵便调配资源，节省成本。
浏览具体案例请点击：《直播正当红，如何利用机器学习进一步** 增强产品竞争力？》
Formula 1
F1 与 Amazon Web Services (AWS) 的联手，便是速度与智慧强强联合最佳的证实。
作为一项数据驱动的静止，在每场比赛中，每辆 F1 赛车的 120 个传感器生成 3GB 数据，每秒生成 1500 个数据点。Formula 1 的数据专家正应用 Amazon SageMaker 培训深度学习模型，用 65 年的历史比赛数据来提取要害比赛问题统计数据，进行比赛预测，并让粉丝深刻理解车队和车手采纳的霎时决策和策略。
自 2017 年 推出 Amazon SageMaker 以来，应用该服务的客户数量在一直减少。为能帮忙开发人员更高效地工作，AWS 对立了 ML 开发所需的所有工具，打造了 Amazon SageMaker Studio，让开发人员能够在一个集成的可视界面中编写代码、跟踪试验、可视化数据以及进行调试和监控，从而极大地提高了开发人员的工作效率。
浏览具体案例请点击：《快一点！再快一点！看 F1 如何利用机器学习减速舒畅体验！》