AWS actualiza su servicio de aprendizaje automático SageMaker

hace 1 año

000000089198.png

En re:Invent 2022, AWS actualizó su servicio administrado de aprendizaje automático para incluir capacidades de notebook y gobernanza.

Aprovechando re:Invent 2022, Amazon Web Services agregó el miércoles capacidades adicionales a su servicio de aprendizaje automático administrado SageMaker, diseñado para mejorar los atributos de gobierno dentro del servicio y agregar capacidades adicionales a sus portátiles. En el contexto de Amazon SageMaker, los cuadernos son instancias informáticas que ejecutan la aplicación Jupyter Notebook. Según AWS, estas mejoras permitirán a las empresas ampliar la gobernanza a lo largo del ciclo de vida de sus modelos de aprendizaje automático (ML). A medida que crece la cantidad de modelos de ML, puede resultar difícil para las empresas administrar la tarea de definir controles de acceso privilegiado y establecer procesos de gobierno para documentar la información del modelo, como conjuntos de datos de entrada, información del entorno de capacitación, descripción del uso del modelo y evaluación de riesgos.

Los equipos de ingeniería de datos y aprendizaje automático actualmente usan hojas de cálculo o listas ad-hoc para navegar por las políticas de acceso que necesitan todos los procesos involucrados. Esto puede volverse complejo a medida que los equipos de aprendizaje automático crecen en tamaño dentro de una empresa, dijo AWS en un comunicado. Otro desafío es monitorear los modelos implementados en busca de sesgos y garantizar que funcionen como se espera, dijo la compañía.

Índice
  1. Role Manager y Model Cards impulsan SageMaker
  2. Un tablero dedicado
  3. SageMaker Studio Notebook se vuelve de lujo

Role Manager y Model Cards impulsan SageMaker

Para hacer frente a estos desafíos, la empresa agregó Role Manager para que sea más fácil para los administradores controlar el acceso y establecer permisos para los usuarios. Con esta herramienta, los administradores pueden seleccionar y modificar plantillas prefabricadas en función de las diferentes funciones y responsabilidades de los usuarios. Luego, la herramienta crea automáticamente políticas de acceso con los permisos necesarios en cuestión de minutos, dijo la compañía. AWS también agregó una segunda herramienta a SageMaker, llamada Model Cards, para ayudar a los equipos de ciencia de datos a alejarse del mantenimiento manual de registros.

La herramienta proporciona un lugar único para almacenar información del modelo en la consola de AWS y puede autocompletar detalles de capacitación como conjuntos de datos de entrada, entorno de capacitación y resultados de capacitación directamente en Amazon SageMaker Model Cards, dijo la compañía. "Los profesionales también pueden incluir información adicional utilizando un cuestionario autoguiado para documentar la información del modelo (p. ej., objetivos de rendimiento, evaluación de riesgos), resultados de capacitación y evaluación (p. ej., sesgo o mediciones de precisión), y observaciones para referencia futura para mejorar aún más la gobernanza y apoyar el uso responsable de ML”, dijo el proveedor de servicios en la nube.

Un tablero dedicado

Además, la empresa agregó Model Dashboard para proporcionar una interfaz única en SageMaker para realizar un seguimiento de los modelos de aprendizaje automático. Desde el tablero, las empresas también pueden usar integraciones integradas con SageMaker Model Monitor (capacidad de monitoreo de deriva de datos y modelos) y SageMaker Clarify (capacidad de detección de sesgo de ML), dijo la compañía, y agregó que la visibilidad de extremo a extremo ayudará a optimizar la máquina. aprendizaje de la gobernanza.

SageMaker Studio Notebook se vuelve de lujo

Además de agregar funciones de gobernanza a SageMaker, AWS realizó mejoras en Studio Notebook para ayudar a los equipos de ciencia de datos a colaborar y preparar los datos más rápido dentro de la computadora portátil. Una función de preparación de datos en SageMaker Studio Notebook ahora ayudará a los equipos de ciencia de datos a identificar errores en los conjuntos de datos y corregirlos desde dentro de la notebook. Esta función permite a los científicos de datos examinar visualmente las características de los datos y solucionar los problemas de calidad de los datos, dijo la compañía, y agregó que la herramienta genera automáticamente gráficos para ayudar a los usuarios a identificar problemas de calidad de los datos. y sugiere transformaciones de datos para ayudar a resolver problemas comunes.

Como recordatorio, AWS lanzó SageMaker Studio en 2019, que describe como "el primer entorno de desarrollo totalmente integrado (IDE) para ciencia de datos y aprendizaje automático (ML)". Este IDE brinda acceso a Jupyter Notebooks totalmente administrados que se integran con herramientas especialmente diseñadas para realizar todas las etapas de ML, desde la preparación de datos hasta el entrenamiento y la depuración de modelos, el seguimiento de experimentos y la implementación. y supervisión de modelos y gestión de canalizaciones. "Una vez que el profesional selecciona una transformación de datos, SageMaker Studio Notebook genera el código correspondiente en el cuaderno para que pueda aplicarse repetidamente cada vez que se ejecuta el cuaderno", dijo la compañía.

Para facilitar la colaboración entre los equipos de científicos de datos, AWS también presenta un espacio de trabajo dentro de SageMaker donde los expertos pueden leer, editar y ejecutar cuadernos juntos en tiempo real, dijo la compañía. Otras características de SageMaker Studio Notebook incluyen la conversión automática del código del cuaderno en tareas listas para producción y la validación automatizada de modelos ML mediante solicitudes de inferencia en tiempo real. Además, el proveedor dijo que está agregando funcionalidad geoespacial a SageMaker para permitir que las empresas amplíen su uso o función en el entrenamiento de modelos de aprendizaje automático. El objetivo es "simplificar el proceso de construcción, capacitación e implementación de modelos con datos geoespaciales". El servicio se encuentra actualmente en sus inicios, y la compatibilidad con Amazon SageMaker para ML geoespacial solo está disponible en versión preliminar en la región EE. UU. Oeste (Oregón).

Si quieres conocer otros artículos parecidos a AWS actualiza su servicio de aprendizaje automático SageMaker puedes visitar la categoría Otros.

Otras noticias que te pueden interesar

Subir