是部署在AWS云环境的服务，能让从事数据分析和智能应用(包括深度学习)开发者完成模型的训练和部署等等一系列操作，并且可以依托AWS进行大规模部署。
AI应用开发&迭代的主要流程
一般的流程就像下面的图所显示的那样，包括如下6个主要部分：1). 问题定义；2). 数据获取和准备；3). 模型开发和训练；4). 模型评估和优化；5). 部署；6). 智能应用运维
根据 的划分又可以比较精简地分成3个部分：1). 数据准备；2). 模型训练和优化；3). 部署和监控
2. 概述
是一个功能非常完整的开发框架，从本质上讲是一套开源的 SDK供开发者使用，所以涉及到的东西也非常多。概括起来基本包括几个部分：
硬件层以及底层基础设施的支持：主要表现在容器镜像的定制上，针对-learn, , 三种不同的场景都预先做好了不同的容器镜像。在硬件方面基本上是都是支持使用NV GPU的；
深度学习框架的支持：支持包括，等众多的深度学习框架；
AWS基础服务的支持：在训练和部署AI应用的时候，往往依赖对AWS基础服务，包括数据存储s3，容器镜像上传和下载，基础计算资源的申请和动态扩展等等。这也是和AWS的商业模式紧密联系在一起的；
3.工作模式
针对不同的开发者， 也提供了多种的工作模式，具体包括：
云端GUI模式
直接基于浏览器 开发，完全的GUI模式，类似于的操作界面。也是推荐初学者使用的最容易上手的模式。
本地模式(local mode)
不需要依赖云端浏览器，只在本地配置AWS账号以及AMI role就可以在本地工作。开发可以在任意IDE中进行，通过调用 SDK接口，使用预先定义好的容器镜像，并且调用AWS基础服务。适用于中级用户。
脚本模式( mode)
可以继续使用之前开发的训练和推理的脚本，不使用的 SDK，仅使用预先做好的容器，比如分别针对-learn, , 三种不同的场景都预先做好了不同的容器镜像。适用于高级用户。
使用自己的容器(BYOD)
不使用的 SDK，也不使用预先做好的容器。而是通过自定义容器镜像，仅仅使用AWS的容器上传/下载服务。适用于更高级用户。
在自己的VPC中部署
适用于规模比较大的高级用户。
