SageMaker沙盒

AWS SageMaker拥有一套功能强大的组件，可以协同工作以设置生产级数据处理和机器学习功能。

• 训练数据： 有组织的S3桶用于训练数据
• 特征存储： 存储/组织“精选/已知”的特征集
• 模型注册表： 具有已知性能统计的模型/模型评分板
• 模型端点： 用于单个或批量预测的易于使用的HTTP(S)端点

为什么选择SageMaker沙盒？

• SageMaker很棒，但相对复杂
• Spider允许我们用几行代码设置SageMaker流水线
• 流水线图：对流水线的可见性和透明度
  • 正在拉取哪些S3数据源？
  • 模型使用了哪些特征存储？
  • 模型注册表中模型的来源是什么？
  • 与该模型相关联的SageMaker端点有哪些？

安装

pip install sagesand