Getting Started
Blogs
提升效率：
- Amazon SageMaker Processing – 完全托管的数据处理和模型评估
- Amazon SageMaker Experiments – 组织、跟踪和比较机器学习训练
- Amazon SageMaker 模型监控器 – 完全托管的机器学习模型自动化监控
- Amazon SageMaker Autopilot – 在完全控制和可见的情况下，自动创建高质量的机器学习模型
- Amazon SageMaker Debugger – 调试机器学习模型
- 使用 Amazon SageMaker Operator 简化 Kubernetes 上的机器学习推理
优化成本：
- 通过使用 Amazon SageMaker 多模型终端节点节省推理成本
- 托管 Spot 训练：最高可节省 90% 的 Amazon SageMaker 训练作业成本
- 使用 Amazon SageMaker 降低机器学习的总体拥有成本并提高工作效率
- SageMaker 不到1美元！1小时内训练自己的中文词向量 Amazon SageMaker BlazingText nothing is impossible
SageMaker和其他亚马逊云科技服务的集成：
- 使用 Amazon Athena 从您的 SageMaker 笔记本运行 SQL 查询
- 隆重推出 Amazon SageMaker Operators for Kubernetes
- 亚马逊云科技 如何将机器学习送到每位开发者和BI分析师手中
- 使用适用于 Amazon SageMaker 的 Amazon Step Functions Data Science SDK 自动执行模型重新训练和部署
边缘智能：
- 使用 Jetson nano 结合 亚马逊云科技机器学习和 IoT 实现边缘智能—上篇
- 使用 Jetson nano 结合 亚马逊云科技机器学习和 IoT 实现边缘智能—下篇
- 预测性维护在工业物联网的应用
自定义模型开发：
相关发布系列：
- Amazon SageMaker 现已推出：Deep Graph Library
- Amazon SageMaker Studio：首个全集成的 Machine Learning 开发环境
- 使用 Amazon SageMaker 运行分布式 TensorFlow 训练
Customer Stories
- DNB Media - 亚马逊云科技案例研究：大宇无限(SageMaker)
- DNB Media - 亚马逊云科技案例研究：虎牙直播 (SageMaker)
- Gaming (DNB) - 亚马逊云科技案例研究：嘉谊互娱(SageMaker)
- SmartMFG - 亚马逊云科技案例研究：华来科技(SageMaker)
Videos
将您的模型迁移到Amazon SageMaker
使用Amazon SageMaker 内置算法加速模型开发
使用Amazon SageMaker托管您的模型
使用Amazon SageMaker托管的Jupyter Notebook实例
使用Amazon SageMaker超参自动调优
使用Amazon SageMaker 训练模型
使用Amazon SageMaker进行分布式训练
使用Amazon SageMaker进行特征工程
使用Amazon SageMaker超参自动调优
在Amazon SageMaker上使用深度学习框架(TensorFlow, MXNet, PyTorch等)