amazon-sagemaker-examples：官方範例筆記本與精簡的 Python SDK，用於在 AWS 上管理端到端機器學習生命週期

它解決了什麼問題

此倉庫提供了完整的官方範例 Jupyter 筆記本集合，示範如何使用 Amazon SageMaker 建立、訓練與部署機器學習模型。它彌合了 SageMaker 平台功能與實務實作之間的鴻溝，提供各種機器學習任務的端到端工作流程。

它是如何運作的

此專案將範例依照機器學習生命週期的階段分類，包括資料準備、模型建構/訓練、部署與監控。它同時引入了 SageMaker-Core——一個全新的 Python SDK，透過物件導向介面與資源鏈結，簡化與 SageMaker 資源（如 TrainingJobs 與 Endpoints）的互動，減少手動參數設定與低階 API 輪詢的需求。

適用對象

想在 AWS 上執行機器學習工作負載的 ML 實務者與開發者，從尋求端到端指南的初學者，到尋找 Generative AI、MLOps 或 Responsible AI 具體實作模式的資深工程師皆適用。

重點特色

• 完整的 ML 生命週期覆蓋：涵蓋資料準備、訓練、部署與即時監控的範例。
• SageMaker-Core SDK：提供型別提示、自動完成與物件導向資源管理的精簡 Python SDK。
• 生成式 AI 支援：專門的範例示範如何在文字、影像、音訊與影片等多種模態下產生合成資料。
• MLOps 與治理：提供實作 CI/CD、偏差偵測以及透過 Model Cards 與 Dashboard 進行模型治理的工具與筆記本。