发布于: Aug 15, 2018
此快速入门构建了一种数据湖环境，以在 Amazon Web Services (AWS) 云上使用 Amazon SageMaker 构建、训练和部署机器学习 (ML) 模型。部署需要花费大约 10-15 分钟并使用以下 AWS 服务：Amazon Simple Storage Service (Amazon S3)、Amazon API Gateway、Amazon Kinesis Data Streams 和 Amazon Kinesis Data Firehose。
Amazon SageMaker 是一个托管平台，可让开发人员和数据科学家快速轻松地构建、训练和部署 ML 模型。
此快速入门使端到端数据科学能够生成预测和规范模型，而无需配置复杂的 ML 硬件集群。
此快速入门提供了 Pariveda Solutions 的演示。内容涵盖如何在 Amazon S3 中存储原始数据、如何将其转换为可在 Amazon SageMaker 中使用、如何使用 Amazon SageMaker 构建模型并在预测 API 中以 Amazon Elastic Compute Cloud (Amazon EC2) Spot 定价托管该模型。
要开始使用，请执行以下操作：
- 查看架构和详细信息
- 查看部署指南，了解相关说明
- 下载可实现部署自动化的 AWS CloudFormation 模板
要了解更多 AWS 快速入门参考部署，请参阅我们的目录。
快速入门是自动化的参考部署，此类部署按照 AWS 最佳实践来使用 AWS CloudFormation 模板在 AWS 上部署关键技术。此快速入门系与 Pariveda Solutions, Inc. 合作构建。