Casi tres años después de su lanzamiento, la plataforma SageMaker de Amazon Web Services ha obtenido una actualización significativa en forma de nuevas funciones que facilitan a los desarrolladores automatizar y escalar cada paso del proceso para crear nuevas capacidades de automatización y aprendizaje automático. dijo la empresa.
A medida que el aprendizaje automático se traslade a la corriente principal, las unidades de negocio de todas las organizaciones encontrarán aplicaciones para la automatización, y AWS intenta facilitar el desarrollo de esas aplicaciones a medida para sus clientes.
“Una de las mejores partes de tener un servicio tan ampliamente adoptado como SageMaker es que recibimos muchas sugerencias de los clientes que impulsan nuestro próximo conjunto de entregables”, dijo el vicepresidente de aprendizaje automático de AWS, Swami Sivasubramanian. “Hoy, anunciamos un conjunto de herramientas para Amazon SageMaker que hace que sea mucho más fácil para los desarrolladores crear canalizaciones de aprendizaje automático de extremo a extremo para preparar, construir, entrenar, explicar, inspeccionar, monitorear, depurar y ejecutar modelos de aprendizaje automático personalizados con mayor visibilidad, explicabilidad y automatización a escala “.
Ya empresas como 3M, ADP, AstraZeneca, Avis, Bayer, Capital One, Cerner, Domino’s Pizza, Fidelity Investments, Lenovo, Lyft, T-Mobile y Thomson Reuters están utilizando las herramientas de SageMaker en sus propias operaciones, según AWS.
Los nuevos productos de la compañía incluyen Amazon SageMaker Data Wrangler, que según la compañía estaba proporcionando una forma de normalizar los datos de fuentes dispares para que los datos sean consistentemente fáciles de usar. Data Wrangler también puede facilitar el proceso de agrupar fuentes de datos dispares en funciones para resaltar ciertos tipos de datos. La herramienta Data Wrangler contiene más de 300 transformadores de datos integrados que pueden ayudar a los clientes a normalizar, transformar y combinar funciones sin tener que escribir ningún código.
Amazon también presentó Feature Store, que permite a los clientes crear repositorios que facilitan el almacenamiento, la actualización, la recuperación y el intercambio de funciones de aprendizaje automático para capacitación e inferencia.
Otra nueva herramienta que Amazon Web Services promocionado fue su conjunto de herramientas de automatización y gestión del flujo de trabajo, Pipelines. La tecnología Pipelines está diseñada para proporcionar funciones de automatización y orquestación similares a la programación tradicional. Mediante el uso de canalizaciones, los desarrolladores pueden definir cada paso de un flujo de trabajo de aprendizaje automático de extremo a extremo, dijo la compañía en un comunicado. Los desarrolladores pueden usar las herramientas para volver a ejecutar un flujo de trabajo de un extremo a otro desde SageMaker Studio usando la misma configuración para obtener el mismo modelo cada vez, o pueden volver a ejecutar el flujo de trabajo con nuevos datos para actualizar sus modelos.
Para abordar los problemas de larga data con el sesgo de datos en la inteligencia artificial y los modelos de aprendizaje automático, Amazon lanzó SageMaker Clarify. Anunciada por primera vez hoy, esta herramienta supuestamente proporciona detección de sesgos en todo el flujo de trabajo de aprendizaje automático, por lo que los desarrolladores pueden construir con miras a una mayor transparencia sobre cómo se configuraron los modelos. Existen herramientas de código abierto que pueden hacer estas pruebas, reconoció Amazon, pero las herramientas son manuales y requieren mucho esfuerzo por parte de los desarrolladores, según la compañía.
Otros productos diseñados para simplificar el proceso de desarrollo de aplicaciones de aprendizaje automático incluyen SageMaker Debugger, que permite a los desarrolladores entrenar modelos más rápidamente al monitorear la utilización de recursos del sistema y alertar a los desarrolladores sobre posibles cuellos de botella; Entrenamiento distribuido, que hace posible entrenar modelos grandes, complejos y de aprendizaje profundo más rápido que los enfoques actuales al dividir automáticamente los datos en múltiples GPU para acelerar los tiempos de entrenamiento; y SageMaker Edge Manager, una herramienta de gestión de modelos de aprendizaje automático para dispositivos de borde, que permite a los desarrolladores optimizar, asegurar, monitorear y administrar modelos implementados en flotas de dispositivos de borde.
Por último, pero no menos importante, Amazon presentó SageMaker JumpStart, que proporciona a los desarrolladores una interfaz de búsqueda para encontrar algoritmos y cuadernos de muestra para que puedan comenzar su viaje de aprendizaje automático. La compañía dijo que les daría a los desarrolladores nuevos en el aprendizaje automático la opción de seleccionar varias soluciones de aprendizaje automático preconstruidas e implementarlas en entornos SageMaker.
Source link