Amazon-SageMaker-Partner

Beschleunigung der Lösung von Geschäftsproblemen mithilfe von Machine Learning

Amazon-SageMaker-Partner helfen Kunden, geschäftliche Herausforderungen mit Machine Learning zu lösen. Das AWS-Kompetenzprogramm hat überprüft, dass die unten aufgeführten Servicepartner nachweislich über Fachwissen bei der Bereitstellung von Machine Learning (ML)-Lösungen mit Amazon SageMaker verfügen.

Die unten aufgeführten Softwareangebote verfügen über Produktintegrationen mit Amazon SageMaker, die von AWS Solution Architects im Rahmen des AWS-Service-Ready-Programms als Amazon SageMaker Ready geprüft und zertifiziert wurden. Die Spezialisierung Amazon SageMaker Ready unterstützt AWS-Kunden bei der Identifizierung von Softwarelösungen, die sich in Amazon SageMaker integrieren lassen. So können sie nahtlos Anwendungsfälle lösen und mit Machine Learning innovativ sein.

Kontakt zu Amazon-SageMaker-Partnern

Fördern Sie Innovationen, erreichen Sie Geschäftsziele und holen Sie das Beste aus Ihren AWS-Services heraus, indem Sie mit technisch geprüften AWS-Partnern zusammenarbeiten.

Logo von AWS Partner Energy Competency

Merkle

„Bei Merkle haben wir einen durchgängigen Machine-Learning-Workflow entwickelt, um die Kundenabwanderung vorherzusagen. Dabei nutzten wir Amazon SageMaker Pipelines für die Datenverarbeitung, das Modelltraining und die Modellbereitstellung für Inferenzen. Obwohl Tools wie Airflow leistungsstarke und hochgradig konfigurierbare Orchestratoren sind, ist es für Datenwissenschaftler ein betrieblicher Aufwand, die Infrastruktur zu erlernen und verwalten. Amazon SageMaker Pipelines ist praktisch für Datenwissenschaftler, da es keine aufwändige Infrastrukturverwaltung erfordert und eine intuitive Benutzererfahrung bietet. Amazon SageMaker-Pipelines ermöglichen es Benutzern, ML-Jobs einfach per Drag-and-Drop zu verschieben und Daten zwischen ihnen in einem Workflow zu übertragen. Dadurch werden Amazon SageMaker Pipelines besonders für schnelles Experimentieren zugänglich. Da alle wichtigen Schritte eines ML-Workflows übersichtlich organisiert sind, bietet der visuelle Designer eine übersichtliche und benutzerfreundliche Erfahrung. Dieser zusätzliche Komfort kann Arbeitsabläufe erheblich straffen und die Produktivität sowohl für Teams als auch für Einzelpersonen steigern.“

Dr. Lorenzo Valmasoni, Manager für Datenlösungen, Merkle