AWS Sagemaker与Databricks的使用案例有何不同？

Question

我在看Databricks是因为它与像Kinesis这样的AWS服务集成，但在我看来，SageMaker是Databricks的直接竞争者？我们大量使用AWS，有没有理由将DataBricks添加到堆栈中或者颂歌SageMaker填充相同的角色？

Answer 1

SageMaker是一个很好的部署工具，它简化了许多配置容器的流程，您只需编写2-3行就可以将模型部署为端点并使用它。 SageMaker还提供支持Python和Scala（sparkmagic kernal）开发的开发平台（Jupyter Notebook），并且我在jupyter笔记本中管理安装外部scala内核。总的来说，SageMaker提供端到端的ML服务。 Databricks为Spark开发提供了无与伦比的Notebook环境。

结论

1. Databricks是大数据（scala，pyspark）开发的更好平台。（无与伦比的笔记本环境）
2. SageMaker更适合部署。如果您没有处理大数据，SageMaker是一个完美的选择（Jupyter笔记本+ Sklearn +成熟容器+超级易部署）。
3. SageMaker提供“实时推理”，非常容易构建和部署，非常令人印象深刻。你可以查看官方的SageMaker Github。 https://github.com/awslabs/amazon-sagemaker-examples/tree/master/sagemaker-python-sdk/scikit_learn_inference_pipeline