| 雲端服務 | AWS | re:Invent | Graviton | Inferentia | Trainium | 自研晶片 | Outposts | SageMaker | ML | 機器學習

硬體自主是公有雲擴張不可忽視的助力

這幾年以來,隨著AWS推出VMware Cloud on AWS,以及日益增多的Arm架構執行個體服務,甚至是今年初出現的高效能儲存Volume搭配,他們正一步步展露自己設計多款晶片的用意

2021-12-20

| AWS | AWS ML Stack | SageMaker | 機器學習

【AWS 2022新戰略3:以SageMaker為核心,降低ML門檻擴大影響力】完善端到端資料戰略,AI工具鏈變成生態系平臺

SageMaker不只是一個完整的ML工具鏈,甚至向下串聯了AWS的各種基礎架構服務,資料服務,向上整合了多種AI應用服務,更要發展成一個完整AI生態系平臺

2021-12-20

| 雲端服務 | AWS | re:Invent | Graviton | Inferentia | Trainium | 自研晶片 | Outposts | SageMaker | ML | 機器學習

AWS迎來雲服務發展15周年,算力、落地布局、AI戰略全面展開

累計至今,AWS已推出超過200項雲服務,涵蓋運算、儲存、ML、分析等,然執行長Adam Selipsk強調這只是開端,一連發布多項新產品和功能,從新一代自研晶片、5G專網服務,到免費精簡版SageMaker服務Studio Lab,凸顯各戰略布局已可更貼近用戶需求

2021-12-20

| AWS | 深度學習 | SageMaker | 最佳化

AWS機器學習服務SageMaker新功能加快模型訓練速度50%

Amazon SageMaker新功能Training Compiler,能夠編譯Python程式碼,經最佳化後的核心能夠高效使用硬體資源,使得模型訓練速度獲大幅提升

2021-12-07

| AWS | AI | 模型 | SageMaker

AWS推無程式碼AI工具SageMaker Canvas,點擊按鈕就能建構模型分析資料

SageMaker Canvas讓業務分析師只要操作視覺化介面,簡單地組合不同來源的資料,由系統自動訓練出最佳模型,生成用戶需要的預測

2021-12-01

| 機器學習雲端服務 | SageMaker | 人工智慧應用服務 | 亞馬遜經驗

AWS持續拓展機器學習應用版圖,推出涵蓋多項功能的整合式開發環境,以及高階商用型AI服務

企業若要推動數位轉型,除了要善用雲端服務,在整體IT維運上,取得足夠靈活度,接下來,能否善用機器學習與人工智慧技術將會是關鍵,而AWS在這幾年的年度用戶大會期間,陸續發表了多款機器學習服務,可分別針對有經驗的開發者及無相關經驗的用戶需求,提供簡化操作的功能

2019-12-19

| AWS | SageMaker | 機器學習 | IDE | 開發

AWS推出專為機器學習設計的開發環境SageMaker Studio

SageMaker Studio整合了所有機器學習開發都會用到的工具,包括Notebooks、除錯器和模型監視器等

2019-12-05

| AWS | Kubernetes | SageMaker | 機器學習

AWS讓用戶以自定義資源在K8s叢集部署SageMaker機器學習

AWS為Kubernetes新推出SageMaker Operators,可作為Kubernetes自定義資源,執行SageMaker機器學習工作負載

2019-12-04

| AWS | 機器學習 | 競價型 | SageMaker

AWS SageMaker現提供託管競價型訓練,用戶可節省最高90%的訓練成本

用戶現在可以在AWS SageMaker中,使用競價型執行個體來訓練機器學習模型,以降低訓練成本

2019-08-28

| SageMaker | 演算法市集 | AWS | 機器學習模型 | Marketplace

【reinvent2018重點】演算法市集來了!AWS Marketplace新闢機器學習與AI專區

以後自己設計的演算法或機器學習模型了,可以發布到AWS這個市集上直接銷售或購買

2018-11-29

| AWS | SageMaker | 自動擴展 | 機器學習

Amazon SageMaker支援自動擴展功能,大規模部署管理機器學習模型更容易了!

自動擴展功能透過Amazon CloudWatch指標以及定義的策略,根據實際的工作負載量動態調整運算實例的數量。

2018-03-06