Amazon SageMaker
亚马逊AWS提供的全托管机器学习平台，支持模型训练、调优、部署全流程，提供强化学习训练管线、算力调度和环境编排能力
时间轴 (近 90 天)
ChurnWatch 使用 Amazon S3 存储训练数据集，使用 Amazon SageMaker 训练流失预测模型，使用 Python 脚本以 PSI 进行漂移检测，使用 Amazon CloudWatch 进行指标监控。
SageMaker 提供托管式训练环境，支持自带容器或内置算法；训练任务可按需启动计算资源，任务结束后自动释放。
SageMaker Model Monitor 服务用于持续检测数据漂移和模型质量偏移。
SageMaker 提供实验追踪能力，把不同训练运行的超参数、指标、产物关联起来。
无服务器推理（Serverless Inference）适合流量稀疏或突发性的场景，按调用次数计费。
SageMaker 作为 AWS 生态内的服务，优势在于和存储、计算、权限体系的集成比较自然；如果团队已经在用 AWS，迁移成本相对可控；如果技术栈不在 AWS 上，则需要评估集成成本。
对于可断点续训的分布式训练任务，配合 SageMaker 的检查点保存功能，使用竞价实例是压缩训练成本的有效手段
典型云端 GenAI 工作流为：数据存入 S3 清洗格式化、评估 Bedrock 现成模型、在 SageMaker 提交分布式训练、封装为推理端点配合自动扩缩容、持续监控迭代
Amazon SageMaker 覆盖数据标注、分布式训练、超参数调优到模型托管的完整流程
Amazon SageMaker 推出了名为 aws-ai-ml 的新能力，通过 Agent Toolkit for AWS 向编码智能体开放
全部知识事实 (10)
ChurnWatch 使用 Amazon S3 存储训练数据集，使用 Amazon SageMaker 训练流失预测模型，使用 Python 脚本以 PSI 进行漂移检测，使用 Amazon CloudWatch 进行指标监控。
50%待验证SageMaker 提供托管式训练环境，支持自带容器或内置算法；训练任务可按需启动计算资源，任务结束后自动释放。
50%待验证SageMaker Model Monitor 服务用于持续检测数据漂移和模型质量偏移。
50%待验证SageMaker 提供实验追踪能力，把不同训练运行的超参数、指标、产物关联起来。
50%待验证无服务器推理（Serverless Inference）适合流量稀疏或突发性的场景，按调用次数计费。
50%待验证SageMaker 作为 AWS 生态内的服务，优势在于和存储、计算、权限体系的集成比较自然；如果团队已经在用 AWS，迁移成本相对可控；如果技术栈不在 AWS 上，则需要评估集成成本。
50%待验证对于可断点续训的分布式训练任务，配合 SageMaker 的检查点保存功能，使用竞价实例是压缩训练成本的有效手段
50%待验证典型云端 GenAI 工作流为：数据存入 S3 清洗格式化、评估 Bedrock 现成模型、在 SageMaker 提交分布式训练、封装为推理端点配合自动扩缩容、持续监控迭代
50%待验证Amazon SageMaker 覆盖数据标注、分布式训练、超参数调优到模型托管的完整流程
50%待验证Amazon SageMaker 推出了名为 aws-ai-ml 的新能力，通过 Agent Toolkit for AWS 向编码智能体开放
50%