Max Home IndustryAmazon SageMaker Studio, объявленный генеральным директором Энди Ясси во второй день конференции AWS re: Invent, призван объединить все инструменты, необходимые для машинного обучения. Параллельно с ним было запущено несколько других продуктов SageMaker.
Как мы сообщали в то время, см. Amazon Giant Push Into Machine Learning, SageMaker дебютировал на re: Invent в 2017 году как полностью управляемый сервис для процесса машинного обучения (ML). Он был обновлен на прошлогодней конференции, на которой была добавлена SageMaker Ground Truth, служба автоматической маркировки данных.
SageMaker Studio призвана сделать модели зданий более доступными для более широкого круга разработчиков. Это веб-среда IDE для полных рабочих процессов машинного обучения, которая позволяет разработчикам создавать, обучать, настраивать и развертывать свои модели с помощью единого интерфейса и предоставляет единое место для всех инструментов и результатов машинного обучения.
Возможности включают:
Организация, поиск и доступ к записным книжкам, наборам данных, коду и настройкам
Создавайте папки проектов для организации проектов машинного обучения
Делитесь проектами, папками и их содержимым
Обсудите записные книжки и их результаты вместе
Jassy также анонсировала SageMaker Notebooks (в настоящее время находится в стадии предварительной версии), управляемую услугу, которая позволяет легко создавать и публиковать записные книжки Jupyter без необходимости самостоятельно подготавливать экземпляры, поскольку они будут автоматически инициализированы при необходимости. Это также означает, что вы можете быстро переключаться с одной конфигурации оборудования на другую.
Другие новые продукты Amazon SageMaker, предоставляемые как полностью управляемые услуги:
Эксперименты — позволяет организовывать, отслеживать и сравнивать тысячи заданий машинного обучения: это могут быть задания по обучению или задания по обработке данных и оценке моделей, выполняемые с помощью Amazon SageMaker Processing.
Отладчик — позволяет отлаживать и анализировать сложные проблемы обучения и получать предупреждения. Он автоматически анализирует ваши модели, собирает данные отладки и анализирует их, чтобы в режиме реального времени предоставлять предупреждения и советы о способах оптимизации времени обучения и повышения качества модели. Вся информация видна, пока ваши модели тренируются.
Монитор моделей — позволяет обнаруживать отклонения качества для развернутых моделей и получать предупреждения. Например, вы можете легко визуализировать такие проблемы, как дрейф данных, которые могут повлиять на ваши модели.
Автопилот — позволяет автоматически создавать модели с полным контролем и наглядностью. Выбор алгоритма, предварительная обработка данных и настройка модели выполняются автоматически, как и вся инфраструктура.
Рассказывая на re: Invent о том, как SageMaker Studio автоматизирует весь процесс, Энди Ясси сказал:
«С AutoML происходит следующее: вы отправляете нам свой CSV-файл с данными, для которых хотите создать модель — вы можете просто указать местоположение S3, и автопилот выполняет все преобразования модели … он выбирает правильный алгоритм, а затем он обучает 50 уникальных моделей с [немного] разными конфигурациями различных переменных, потому что вы не знаете, какие из них приведут к наивысшей точности. SageMaker Studio [затем дает] таблицу лидеров моделей, в которой вы можете увидеть все 50 моделей, ранжированных в порядке точности … и под каждой из этих моделей есть блокнот, так что, когда вы открываете блокнот, в нем есть все рецепт именно этой модели ».
Это, безусловно, обещает избавить машинное обучение от тяжелой работы, сделав его более доступным, и в то же время по-прежнему дает пользователю некоторый контроль над процессом и хорошую обратную связь, чтобы он мог понять и работать с результатами.