Apache MXnet en AWS
Cree aplicaciones de aprendizaje automático que pueden entrenarse rápidamente y ejecutarse en cualquier lugar
Apache MXNet en AWS es un marco de inferencia y entrenamiento escalable y ágil con una API concisa y fácil de usar para machine learning.
MXNet incluye la interfaz de Gluon que permite a los desarrolladores con cualquier nivel de experiencia comenzar a usar el aprendizaje profundo en la nube, en dispositivos periféricos y en aplicaciones para dispositivos móviles. En tan solo unas líneas de código de Gluon, es posible crear regresión lineal, redes convolucionales y LSTM recurrentes para la detección de objetos, el reconocimiento de voz, recomendaciones y personalizaciones.
Puede empezar a usar MxNet en AWS mediante una experiencia completamente administrada a través de Amazon SageMaker, una plataforma diseñada para crear, entrenar e implementar modelos de aprendizaje automático a escala. O bien, puede utilizar las AMI de AWS Deep Learning para crear entornos y flujos de trabajo personalizados con MxNet así como otros marcos de trabajo entre los que se incluyen TensorFlow, PyTorch, Chainer, Keras, Caffe, Caffe2 y Microsoft Cognitive Toolkit.
Consiga código de muestra, bloc de notas y contenido de tutoriales en la página del proyecto GitHub.
Beneficios del aprendizaje profundo mediante el uso de MXNet
Facilidad de uso con Gluon
Mayor rendimiento
Para IoT y el borde
Flexibilidad y opciones
Impulso de clientes




























Casos prácticos
Existen más de 500 colaboradores en el proyecto MXNet, incluidos desarrolladores de Amazon, NVIDIA, Intel, Samsung y Microsoft. Obtenga información sobre cómo los clientes emplean MXNet para proyectos de aprendizaje profundo. Para ver más casos prácticos, consulte el blog de aprendizaje automático y el blog de MXNet de AWS.
Amazon SageMaker para aprendizaje automático
Amazon SageMaker es un servicio completamente administrado que permite a los desarrolladores y los científicos de datos crear, entrenar e implementar modelos de aprendizaje automático de forma rápida y sencilla a cualquier escala. Amazon SageMaker elimina todas las dificultades que suelen ralentizar a los desarrolladores que desean utilizar aprendizaje automático.