Hoy, Amazon anunció un nuevo enfoque que dice que pondrá la tecnología de aprendizaje automático al alcance de más desarrolladores y usuarios de línea de negocios. Amazon ha estado haciendo una serie de anuncios antes de su conferencia de clientes re: Invent la próxima semana en Las Vegas.
Si bien la compañía ofrece muchas herramientas para que los científicos de datos creen modelos de aprendizaje automático y procesen, almacenen y visualicen datos, quiere poner esa capacidad directamente en manos de los desarrolladores con la ayuda del popular lenguaje de consulta de bases de datos, SQL.
Al aprovechar herramientas como Amazon QuickSight, Aurora y Athena en combinación con consultas SQL, los desarrolladores pueden tener un acceso mucho más directo a los modelos de aprendizaje automático y los datos subyacentes sin ninguna codificación adicional, dice el vicepresidente de inteligencia artificial de AWS, Matt Wood.
"Este anuncio se trata de facilitar que los desarrolladores agreguen predicciones de aprendizaje automático a sus productos y sus procesos al integrar esas predicciones directamente con sus bases de datos", dijo Wood a TechCrunch.
Para empezar, Wood dice que los desarrolladores pueden aprovechar Aurora, la base de datos compatible con SQL (y Postgres) de la compañía para construir una consulta SQL simple en una aplicación, que extraerá automáticamente los datos en la aplicación y ejecutará cualquier modelo de aprendizaje automático que el desarrollador asocie eso.
La segunda parte involucra a Athena, el servicio de consulta sin servidor de la compañía. Al igual que con Aurora, los desarrolladores pueden escribir una consulta SQL, en este caso, contra cualquier almacén de datos, y en función del modelo de aprendizaje automático que elijan, devolver un conjunto de datos para su uso en una aplicación.
La pieza final es QuickSight, que es la herramienta de visualización de datos de Amazon. Usando una de las otras herramientas para devolver algún conjunto de datos, los desarrolladores pueden usar esos datos para crear visualizaciones basadas en ellos dentro de cualquier aplicación que estén creando.
“Al hacer que las predicciones de ML sofisticadas estén más fácilmente disponibles a través de consultas SQL y paneles, los cambios que anunciamos hoy ayudan a hacer que ML sea más usable y accesible para los desarrolladores de bases de datos y analistas de negocios. Ahora, cualquiera que pueda escribir SQL puede hacer, y utilizar de manera importante, predicciones en sus aplicaciones sin ningún código personalizado ", escribió Matt Assay de Amazon en una publicación de blog anunciando estas nuevas capacidades.
Assay agregó que este enfoque es mucho más fácil que lo que los desarrolladores tuvieron que hacer en el pasado para lograrlo. "A menudo se requiere una gran cantidad de trabajo manual complicado para tomar estas predicciones y hacerlas parte de una aplicación, proceso o panel de análisis más amplio", escribió.
Como ejemplo, Wood ofrece un modelo de puntaje de plomo que puede usar para elegir los objetivos de ventas más probables para convertir. "Hoy, para hacer una puntuación de plomo, tienes que salir y conectar todas estas piezas para poder obtener las predicciones en la aplicación", dijo. Con esta nueva capacidad, puede llegar mucho más rápido.
"Ahora, como desarrollador, puedo decir que tengo este modelo de puntuación principal que se implementa en SageMaker, y todo lo que tengo que hacer es escribir literalmente una declaración SQL que hago todo el día en Aurora, y puedo comenzar a volver que llevan información de puntaje. Y luego lo muestro en mi aplicación y ya voy ", explicó Wood.
En cuanto a los modelos de aprendizaje automático, estos pueden venir preconstruidos de Amazon, ser desarrollados por un equipo interno de ciencia de datos o adquiridos en un mercado de modelos de aprendizaje automático en Amazon, dice Wood.
Los anuncios de hoy de Amazon están diseñados para simplificar el aprendizaje automático y el acceso a datos, y reducir la cantidad de codificación que se obtiene de la consulta a la respuesta más rápido.
Source link