aws/amazon-sagemaker-examples
Example 📓 Jupyter notebooks that demonstrate how to build, train, and deploy machine learning models using 🧠 Amazon SageMaker.
What it solves
此儲存庫提供完整的官方範例 Jupyter 筆記本，示範如何使用 Amazon SageMaker 建置、訓練與部署機器學習模型。它彌補了 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對端工作流程。
How it works
本專案將範例依照機器學習生命週期分類，包括資料前處理、模型建置/訓練、部署與監控。它同時引入 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。
Who it’s for
適合想在 AWS 上執行機器學習工作負載的 ML 實務者與開發者，從需要端對端指南的初學者，到尋找 Generative AI、MLOps 或 Responsible AI 具體實作模式的資深工程師皆適用。
Highlights
- Full ML Lifecycle Coverage: 範例涵蓋資料前處理、訓練、部署與即時監控。
- 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。
- Generative AI Support: 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 & Governance: 用於實作 ML CI/CD、偏見偵測與模型治理（透過 Model Cards 與 Dashboards）的工具與筆記本。