概览
Amazon SageMaker 是一个单一的数据和人工智能开发环境，您可以在其中查找和访问组织中的所有数据，并在任何用例中使用最佳工具对其进行操作。SageMaker 融通式合作开发工作室集成了来自当前 AWS 分析和人工智能/机器学习服务（包括 Amazon EMR、AWS Glue、Amazon Athena、Amazon Redshift、Amazon Bedrock 和 Amazon SageMaker 人工智能）的功能和工具。在 SageMaker 融通式合作开发工作室中，您可以查找、访问和查询组织中的数据和人工智能资产，然后在项目中开展协作，安全地构建和共享分析和人工智能构件，其中包括数据、模型和生成式人工智能应用程序。
为所有数据和人工智能提供集成体验
在单一受管控的环境中发现数据，并使用熟悉的 AWS 工具（适用于完成开发工作流程，包括模型开发、生成式人工智能应用程序开发、数据处理和 SQL 分析）将数据用于实处。创建或加入项目以与团队协作，安全地共享人工智能和分析构件，并通过 Amazon SageMaker Lakehouse 访问存储在 Amazon Simple Storage Service（Amazon S3）、Amazon Redshift 和更多数据来源中的数据。随着人工智能和分析使用案例的融合，使用 Amazon SageMaker Unified Studio 以改变数据团队的合作方式。
无论何种作业，都要使用同类最佳的工具
从专门构建的 AWS 分析、人工智能和机器学习（AI/ML）服务（如 Amazon EMR、AWS Glue、Amazon Athena、Amazon Redshift、Amazon Bedrock 和 Amazon SageMaker AI）简化对熟悉工具和功能的访问。使用 Visual ETL 构建集成的数据管道，并使用统一的笔记本在不同的计算资源和集群间无缝工作。使用内置的 SQL 编辑器查询存储在数据湖、数据仓库、数据库和应用程序中的数据。
大规模训练、自定义和部署人工智能模型
使用 SageMaker AI 完全托管的基础设施、工具和工作流程开发机器学习和基础模型（FM）。SageMaker AI 为模型生命周期的每个步骤提供专用工具和基础设施，包括数据准备、训练、治理、MLOps、推理、实验、管道以及模型监控和评估。从精选的合作伙伴应用程序中进行选择，快速安全地开发高性能的人工智能模型。
快速构建自定义生成式人工智能应用程序
使用 Amazon Bedrock，在可信且安全的环境中高效构建生成式人工智能应用程序。您可以从一系列高性能的 FM 和高级自定义功能中进行选择，如 Amazon Bedrock 知识库、防护机制、代理和流程。快速定制和部署生成式人工智能应用程序，并通过内置目录进行共享，以供发现。
使用 Amazon Q 开发者版加速您的数据之旅
使用 Amazon Q 开发者版在整个开发生命周期中执行任务，包括发现项目数据、快速加强协作以及安全构建机器学习模型。使用 Amazon Q 开发者版进行聊天，以了解并使用您在每个项目和使用案例中的数据。使用 Amazon Q 简化您的数据之旅，以编写代码、生成 SQL、集成数据、排查问题等。
客户和合作伙伴
Adastra
“我们使用内置的数据治理和用户友好的界面，构建复杂的数据分析、机器学习和生成式人工智能应用程序。在使用 Amazon SageMaker Unified Studio 之前，为客户的数据和信息工作程序部署多种工具主要是靠手动，而且非常耗时，同时也难以确保稳定的数据架构预置。现在，借助 Amazon SageMaker Unified Studio，我们可以为数据工程师和机器学习科学家部署单一的数据工作程序工具。我们还在自动化数据基础设施的部署，使我们能够为客户简化流程并增强客户体验。”
Adastra 首席技术和战略官 Zeeshan Saeed
NTT DATA
“当我们为客户构建数据驱动型应用程序时，我们需要统一的平台，让各种技术以集成的方式协同工作。Amazon SageMaker Unified Studio 通过全面的分析功能、统一的工作室体验以及整合数据仓库和数据湖的数据管理湖仓，简化我们的解决方案交付流程。Amazon SageMaker 融通式合作开发工作室将客户数据项目的价值转化时间缩短多达 40%，帮助我们完成加速客户数字化转型之旅的使命。”
NTT DATA 解决方案部门主管 Akihiro Suzue、NTT DATA 应用程序与数据技术部高级经理 Yuji Shono、NTT DATA 数字成功解决方案部经理 Yuki Saito
Amazon 运输
“在 Amazon ，我们会继续提高交付速度，并增加当天或隔夜交付的商品数量。为了帮助以如此快的速度将商品送到客户手中，我们非常依赖数据和洞察。我们希望借助分析和人工智能来正确访问数据，从而加快获得实时洞察的过程。使用 SageMaker 融通式合作开发工作室，我们将能够加速从数据发现到构建生成式人工智能应用程序的洞察生成过程。”
Amazon Transportation 软件开发总监 Amulya Tayal
亚利桑那州立大学
“在评估了 Amazon SageMaker 融通式合作开发工作室之后，我们立即意识到，它可以帮助亚利桑那州立大学（ASU）向我们的学生讲授机器学习概念。SageMaker 融通式合作开发工作室简化了将各种数据操作整合到单一体验中的过程，这些操作包括数据探查、数据处理、特征工程和模型部署等等。采用这种统一的方法，我们的学生，尤其是那些刚刚接触机器学习的学生，能够更加专注于理解机器学习主题，而不是花时间学习使用不同的工具来构建他们的机器学习管道。”
亚利桑那州立大学企业技术副首席信息官 John Rome
Swiss Life
“对 Swiss Life 来说，SageMaker 融通式合作开发工作室的问世恰逢其时。这款产品非常棒，能够简化该公司的主要目标：将数据传送到真正需要它们的人。这款产品能够连接各种数据来源、轻松与其他团队或产品共享这些数据来源，以及充分利用底层 AWS 基础设施，因此将使 Swiss Life 的数据科学更上一层楼。”
Swiss Life 德国分部的云平台与采用团队负责人 Simon Mannstein
