Amazon AWS的SageMaker软件是一套用于部署机器学习的工具，它不仅在许多公司推广，一位负责机器学习的高管表示，对于一些要求更高的机器学习从业者来说，它正成为一个关键工具。
“我们看到非常非常成熟的实践者转向SageMaker，因为我们负责基础设施，因此它使他们的生产力提高了一个数量级，“AWS负责机器学习和引擎的副总裁Bratin Saha说，
Saha在AWS年度re:Invent大会的第三周与ZDNet进行了交谈，而今年的re:Invent大会实际上是因为大流行病而召开的。
“亚马逊网络公司在机器学习方面已经投资了20多年，并且Amazon AWS负责ML和引擎的副总裁Bratin Saha说：“他们正在转向SageMaker，我们在Amazon网站上进行非常复杂的机器学习。
而SageMaker看起来像是为不知道如何做基础知识的人自动学习机器的东西，Saha告诉ZDNet，即使是经验丰富的机器学习科学家也发现加快程序开发中的常规任务的价值所在。
“到目前为止，他们要做的是启动一个集群，确保集群得到充分利用，在部署模型时花费大量时间检查，我是否遇到流量峰值，”Saha说，他描述了一位机器学习数据科学家必须执行的传统部署任务。该工作流程从最初收集数据扩展到标记数据（在标记培训的情况下），细化模型体系结构，然后部署经过训练的模型用于推理使用，并在这些推理模型实时运行的情况下对其进行监控和维护。
“现在您不必这样做，”Saha说SageMaker为您提供无服务器的培训，从某种意义上说，您的计费从您的模型开始培训时开始，并在您的模型停止培训时停止。“
另外：亚马逊AWS发布RedShift ML to‘将机器学习带给更多的建设者’
添加了Saha，“此外，它以非常透明的方式与[Apache]Spark实例一起工作；你不必说，嘿，我的Spark实例被抢占了吗，我的工作正在被扼杀，SageMaker负责所有这些工作。“这种有效的工作分期可以降低90%的成本，Saha认为。
Saha说，像Lyft和Intuit这样的客户，尽管他们有自己的机器学习能力，Saha说：“我们有一些最成熟的客户在SageMaker上工作。”。
“看看Lyft，他们在SageMaker上的培训标准化了，他们的培训时间从几天缩短到了几个小时，”Saha说“MobileEye正在使用SageMaker培训，”他说，指的是英特尔内部的自主汽车芯片部门Intuit已经能够将他们的训练时间从六个月缩短到几天。
另外：Amazon AWS analytics主管认为分析在整个组织中传播得更为广泛
亚马逊本身已经开始行动他说：“它的人工智能对SageMaker内部起作用。”亚马逊网络公司在机器学习方面的投资已经超过20年，他们正在转向SageMaker，我们在亚马逊网站上进行非常复杂的机器学习。”例如，亚马逊的Alexa语音激活设备使用SageMaker Neo，一种优化工具，它将经过训练的模型编译成二进制程序，其设置将使模型在用于推理任务时最有效地运行。
SageMaker还有许多其他部分，例如带有精选机器学习算法的预构建容器；一个“特征库”，在这里可以挑选出要在训练中使用的属性；以及所谓的数据Wrangler，它可以从训练数据中创建原始模型特征。
AWS一直在稳步地添加到工具集中。
对于非常大型的深度学习网络，如“T5”（Google的Transformer自然语言处理版本），sivasbramanian说，亚马逊能够将神经网络训练时间减少40%。
apple project titan将于2024年开始电动车生产，路透社称
