Amazon SageMaker带您零基础学习机器学习

1-1

零基础快速上手机器学习Amazon SageMaker拥有一定的内置算法，只需把相应的数据提供给Amazon SageMaker，不需要了解底层的算法即可实现模型训练。目前Amazon SageMaker支持17种不同的算法，涵盖了聚类、分类、推荐、回归、计算机视觉等等，这些算法还能够支持迁移学习、增量训练等，帮助我们加速整个模型的开发周期，只需不到20行的代码即可开启一个模型训练。

1-2

十分钟实现本地算法快速上云Sagemaker是国际公认的AI服务，考虑的非常全面，比如数据安全、用户权限、用户审计以及后续的运维管理，让我们确认在AI工程化的每一步都是遵循每个行业的**实践。另外，Sagemaker把开发过程明确的解耦和为数据的预处理、模型的训练、超参调节以及模型部署等诸多角度，每一步都可以通过容器调度给不同的集群来用，通过这种方式可以做到全自动以及全程透明。

1-3

一键式机器学习和推理SageMaker是具备企业级特性的机器学习云服务，通过Sagemaker可以实现机器学习训练任务以及机器学习部署任务的一些管理。同时Sagemaker会帮我们自动创建计算实例，当模型训练结束之后，Sagemaker会自动删除这些计算实例，从而极大程度提升资源的利用效率，减少资源浪费。此外，Sagemaker还可以支持主流的AI框架，可与这些框架进行无缝集成，因而不需要对已有代码进行过度更改，只需添加一些新的代码信息即可开启机器学习之旅。

1-4

了解提升机器学习开发效率的SageMaker Studio本次课程带您了解提升机器学习开发效率的新神器 Amazon SageMaker Studio。Amazon SageMaker Studio是基于机器学习的开发工具，集成了在机器学习开发过程中所需的全部环节的功能。当需要把文件共享时可通过一键共享创建一个快照，可基于这个快照创建副本，帮助我们解决环境差异性的问题。

1-5

全自动化构建机器学习任务流程本次课程带您了解如何利用机器学习提升效率，数据预处理，模型训练，模型部署以及模型的持续优化和改进，我们带您将机器学习所涉及到的全部流程进行机器化的编排，用相关的工具编写后可以实现一键提交从而实现整个工作流的自动化管理；当有新的数据或新的模型时，只需更新一些参数即可在已有的工作流基础之上开启一轮新的模型训练。

1-6

优化机器学习成本利器本次课程带您了解如何优化机器学习成本。使用Amazon计算平台，我们可以在需要训练模型时开启带有GPU的服务器，当模型创建完毕，这些资源即可关掉，可以节约大量购买GPU服务器的成本。同时可以在任意规模的情况下扩展模型训练的集群，从而进一步提高项目进度。使用Sagemaker更可以使你轻松调用平台上的竞价实例，降低90%的模型训练成本。只需点击几下鼠标即可实现。