Seleccione sus preferencias de cookies

Usamos cookies esenciales y herramientas similares que son necesarias para proporcionar nuestro sitio y nuestros servicios. Usamos cookies de rendimiento para recopilar estadísticas anónimas para que podamos entender cómo los clientes usan nuestro sitio y hacer mejoras. Las cookies esenciales no se pueden desactivar, pero puede hacer clic en “Personalizar” o “Rechazar” para rechazar las cookies de rendimiento.

Si está de acuerdo, AWS y los terceros aprobados también utilizarán cookies para proporcionar características útiles del sitio, recordar sus preferencias y mostrar contenido relevante, incluida publicidad relevante. Para aceptar o rechazar todas las cookies no esenciales, haga clic en “Aceptar” o “Rechazar”. Para elegir opciones más detalladas, haga clic en “Personalizar”.

SageMaker flujos de trabajo de IA

Modo de enfoque
SageMaker flujos de trabajo de IA - Amazon SageMaker AI

Las traducciones son generadas a través de traducción automática. En caso de conflicto entre la traducción y la version original de inglés, prevalecerá la version en inglés.

Las traducciones son generadas a través de traducción automática. En caso de conflicto entre la traducción y la version original de inglés, prevalecerá la version en inglés.

A medida que amplía sus operaciones de aprendizaje automático (ML), puede utilizar los servicios de flujo de trabajo totalmente gestionados de Amazon SageMaker AI para implementar prácticas de integración e implementación continuas (CI/CD) para su ciclo de vida de aprendizaje automático. Con el SDK de Canalizaciones, puede elegir e integrar los pasos de la canalización en una solución unificada que automatiza el proceso de creación de modelos, desde la preparación de los datos hasta la implementación del modelo. En el caso de las arquitecturas basadas en Kubernetes, puede instalar operadores de IA en su clúster de Kubernetes para crear SageMaker trabajos de SageMaker IA de forma nativa mediante la API de Kubernetes y las herramientas de Kubernetes de línea de comandos, como. kubectl Con los componentes de IA para las canalizaciones de Kubeflow, puedes crear y supervisar trabajos de SageMaker IA nativos desde tus canalizaciones de Kubeflow. SageMaker Se puede acceder a los parámetros del trabajo, el estado y los resultados de la SageMaker IA desde la interfaz de usuario de Kubeflow Pipelines. Por último, si desea programar ejecuciones por lotes no interactivas de su cuaderno de Jupyter, utilice el servicio de flujos de trabajo basado en cuadernos para iniciar ejecuciones independientes o periódicas según la programación que usted defina.

En resumen, la SageMaker IA ofrece las siguientes tecnologías de flujo de trabajo:

También puedes aprovechar otros servicios que se integran con SageMaker la IA para desarrollar tu flujo de trabajo. Las opciones incluyen los siguientes servicios:

  • Flujos de trabajo de flujo de aire: SageMaker APIs para exportar configuraciones para crear y gestionar flujos de trabajo de flujo de aire.

  • AWS Step Functions: Flujos de trabajo de aprendizaje automático de varios pasos en Python que organizan la infraestructura de SageMaker IA sin tener que aprovisionar los recursos por separado.

Para obtener más información sobre la gestión de la SageMaker formación y la inferencia, consulte Flujos de trabajo del SDK de Amazon SageMaker Python.

PrivacidadTérminos del sitioPreferencias de cookies
© 2025, Amazon Web Services, Inc o sus afiliados. Todos los derechos reservados.