3、亚马逊SageMaker入门指南

亚马逊SageMaker入门指南

1. 部署模型到HTTPS端点

要将模型部署到HTTPS端点，可以使用以下代码：

my_predictor = my_estimator.deploy(
    initial_instance_count=1, 
    instance_type='ml.c5.2xlarge')

2. 展示亚马逊SageMaker的优势

通过Alice和Bob的例子，我们可以了解到SageMaker如何帮助不同角色的用户解决实际问题。

2.1 解决Alice的问题

Alice是一位在大型公共研究实验室工作的博士和数据科学家，她在日常工作中面临着诸多挑战：
- 依赖昂贵的桌面工作站，只能对部分数据集进行实验。
- 需自行维护软件配置，出现问题时浪费大量时间。
- 使用计算中心的远程服务器时，需与其他研究人员共享，项目优先级安排困难。

SageMaker和云计算可以帮助Alice解决这些问题：
- 几分钟内启动低成本的SageMaker笔记本实例，运行示例笔记本，快速熟悉服务。
- 用几行代码按需创建强大的GPU实例集群来训练模型，获得比计算中心更多的计算能力，且无需进行任何设置。
- 利用SageMaker的自动模型调优功能，在几小时的并行优化中显著提高模型准确性。
- 轻松部署模型，使用批量转换功能预测测试数据集，无需担心工具或基础设施。
- 通过AWS控制台轻松跟踪费用，由于SageMaker基础设施的按需性质，