Amazon SageMaker Avaliações e Detalhes do Produto

O que eu mais gosto no Amazon SageMaker é o suporte completo para todo o ciclo de vida de aprendizado de máquina. Desde a preparação de dados e construção de modelos até o treinamento, ajuste e implantação, tudo está perfeitamente integrado em uma única plataforma. Eu aprecio especialmente os algoritmos integrados, os notebooks Jupyter e o ajuste automático de modelos (Otimização de Hiperparâmetros). A capacidade de escalar trabalhos de treinamento facilmente e implantar modelos como endpoints totalmente gerenciados com alguns cliques ou linhas de código é um grande impulso de produtividade. O SageMaker Studio também oferece um ótimo ambiente colaborativo para equipes. Análise coletada por e hospedada no G2.com.

Embora o Amazon SageMaker seja poderoso, uma desvantagem é sua complexidade e custo para iniciantes ou projetos de pequena escala. A curva de aprendizado pode ser íngreme, especialmente ao configurar recursos, gerenciar permissões com IAM ou entender o modelo de preços. Alguns recursos, como SageMaker Pipelines ou Studio, podem parecer avassaladores sem experiência prévia com AWS. Além disso, depurar trabalhos de treinamento ou implantações falhadas pode ser desafiador sem logs detalhados ou mensagens de erro claras. Análise coletada por e hospedada no G2.com.

O Amazon SageMaker suporta todo o fluxo de trabalho de aprendizado de máquina — desde a preparação de dados até a implantação do modelo — em um só lugar.

Podemos carregar dados facilmente, explorá-los, treinar modelos e testá-los sem trocar de ferramentas.

Eu realmente gosto que o SageMaker gerencie os servidores para nós, então não precisamos configurar ou manter nenhuma infraestrutura.

Também torna a implantação flexível e simples. No geral, torna os projetos de ML muito mais fáceis de gerenciar, especialmente ao trabalhar em equipe. Análise coletada por e hospedada no G2.com.

Pode ser difícil aprender no início, especialmente para iniciantes. A interface às vezes é lenta ou não muito suave, especialmente com arquivos grandes ou ao alternar entre abas. Análise coletada por e hospedada no G2.com.

De ponta a ponta, escalabilidade e flexibilidade, integração com AWS, facilidade de uso, monitoramento e depuração de modelos Análise coletada por e hospedada no G2.com.

Gestão de custos, desafiador para personalizar ou ir além das funcionalidades pré-construídas, clareza da documentação, é necessário um bom entendimento de ML e AWS para utilizar plenamente suas capacidades. Análise coletada por e hospedada no G2.com.

O que eu mais gosto no Amazon SageMaker é sua capacidade de gerenciar todo o ciclo de vida de aprendizado de máquina em uma plataforma integrada. Ele simplifica a construção, o treinamento e a implantação de modelos, oferecendo escalabilidade e ferramentas poderosas como o SageMaker Studio e a afinação automática de modelos. Análise coletada por e hospedada no G2.com.

O que eu não gosto no Amazon SageMaker é que sua precificação pode ser complexa e rapidamente se tornar cara, especialmente para trabalhos de treinamento de longa duração ou implantações em grande escala. Além disso, a curva de aprendizado pode ser íngreme para novos usuários que não estão familiarizados com os serviços e configurações da AWS. Análise coletada por e hospedada no G2.com.

Oferece notebooks Jupyter gerenciados (SageMaker Studio, Studio Lab), suporta frameworks populares de ML (TensorFlow, PyTorch, MXNet) e fornece ferramentas para treinamento distribuído e otimização de hiperparâmetros. Análise coletada por e hospedada no G2.com.

O SageMaker é caro, especialmente para trabalhos de treinamento de longa duração, implantações em grande escala ou ao usar instâncias de alto desempenho. O modelo de pagamento conforme o uso pode levar a custos inesperados, e a estrutura de preços pode ser complexa de entender e otimizar. Análise coletada por e hospedada no G2.com.

Sem dores de cabeça com código e infraestrutura. Totalmente gerenciado de ponta a ponta. Análise coletada por e hospedada no G2.com.

Complicações de custo e precificação. A migração para outra nuvem é um pouco desafiadora. Análise coletada por e hospedada no G2.com.

É altamente escalável, muito poderoso em termos de computação, muito bem integrado com os armazéns de dados e lagos de dados da maioria dos fornecedores, e pode ser acessado no navegador. Análise coletada por e hospedada no G2.com.

Eu mal consigo fazer uma estimativa do cálculo de preço. Embora exista uma ferramenta chamada calculadora de preços da AWS, a lista de configurações disponíveis não mostra o número de configurações que você pode selecionar ao configurar as instâncias do Studio e do Notebook da ferramenta. Análise coletada por e hospedada no G2.com.

Fornecimento de Algoritmos e estrutura integrados. Muitas vezes, são os dados que causam problemas nas previsões. Quando acertamos os dados, as previsões baseadas nos Algoritmos integrados fizeram um ótimo trabalho em técnicas lineares, logísticas e de classificação. Colaborativo com outros cientistas de dados. É fácil integrar com outros sistemas relacionados, como o Salesforce, quando temos nossos dados em buckets S3 e o suporte ao cliente é muito responsivo. Análise coletada por e hospedada no G2.com.

Embora estejamos obtendo computação por um custo razoável, o ônus da responsabilidade de executar o modelo grande recai sobre os usuários. Quando eles executam modelos maiores apenas para testá-los, isso atrai alguns custos adicionais. Embora o Sagemaker seja fácil de usar, a responsabilidade pela gestão de custos recai sobre os usuários. Análise coletada por e hospedada no G2.com.

Estou usando exclusivamente o Amazon SageMaker tanto para uso profissional quanto pessoal. A variedade de aplicações é útil ao trabalhar em tarefas de aprendizado de máquina. Os recursos de treinamento e canvas que tenho usado há algum tempo tornam minhas tarefas de ML mais rápidas e produtivas. Análise coletada por e hospedada no G2.com.

Amazon SageMaker é uma ótima plataforma para tarefas de ML, todos os recursos e aplicações são realmente fáceis de usar. O recurso que precisa de atenção é o teste gratuito oferecido, que não é suficiente, e a Amazon deveria fornecer acesso a GPU também. Além disso, é uma ótima plataforma online de ML. Análise coletada por e hospedada no G2.com.

eu gosto de como funciona maravilhosamente com base em dados numéricos ou dados de texto. eu tentei trabalhar nisso junto com outros produtos da aws como aws lamda e aws api gateway. e os documentos ou exemplos também são bons para isso Análise coletada por e hospedada no G2.com.

eu queria trabalhar em passar uma imagem. ou entrada de vídeo e obter a saída de imagem a partir disso, mas não foi realmente útil, pois leva os dados em formato excel e então temos que salvá-los em um bucket s3. ele recupera os dados disso, mas não tenho certeza de como passar uma imagem nele. Análise coletada por e hospedada no G2.com.