AWS anuncia nueve nuevas capacidades de Amazon SageMaker

AWS anunció nueve nuevas capacidades para su servicio de machine learning líder del sector, Amazon SageMaker, lo que facilitará aún más a los desarrolladores automatizar y escalar completamente todos los pasos del flujo de trabajo de machine learning. Los anuncios de hoy reúne nuevas y potentes capacidades, como una preparación de datos más rápida, un repositorio especialmente diseñado para datos preparados, automatización del flujo de trabajo, mayor transparencia en los datos de entrenamiento para mitigar el sesgo y explicar las predicciones, capacidades de entrenamiento distribuidas para entrenar modelos grandes hasta dos veces más rápido, y monitoreo de modelos en dispositivos edge. Para comenzar con Amazon SageMaker, visite: https://aws.amazon.com/sagemaker

• Amazon SageMaker Data Wrangler proporciona la forma más rápida y sencilla de que los desarrolladores preparen datos para machine learning
• Amazon SageMaker Feature Store ofrece un almacén de datos especialmente diseñado para almacenar, actualizar, recuperar y compartir características de machine learning
• Amazon SageMaker Pipelines ofrece a los desarrolladores el primer servicio de integración y entrega continua (CI/ CD), fácil de usar y especialmente diseñado para machine learning
• Amazon SageMaker Clarify ofrece a los desarrolladores una mayor visibilidad de sus datos de entrenamiento para que puedan limitar el sesgo en los modelos de machine learning y explicar las predicciones
• Deep Profiling de Amazon SageMaker Debugger monitorea el rendimiento del entrenamiento de machine learning para ayudar a los desarrolladores a que sus modelos aprendan más rápido
• Distributed Training de Amazon SageMaker ofrece nuevas capacidades que pueden entrenar modelos grandes hasta dos veces más rápido de lo que sería posible con los procesadores de machine learning actuales
• Amazon SageMaker Edge Manager ofrece monitoreo y administración de modelos de machine learning para dispositivos edge y así garantizar que los modelos implementados en producción funcionen correctamente
• Amazon SageMaker JumpStart, un portal para desarrolladores con modelos pre entrenados y flujos de trabajo prediseñados

El aprendizaje automático se está volviendo más común, pero aún está evolucionando a un ritmo rápido. Con toda la atención que ha recibido el aprendizaje automático, parece que debería ser sencillo crear modelos de aprendizaje automático, pero no lo es. Para crear un modelo, los desarrolladores deben comenzar con el proceso altamente manual de preparar los datos. Luego, necesitan visualizarlo en cuadernos, elegir el algoritmo correcto, configurar el marco, entrenar el modelo, ajustar millones de parámetros posibles, implementar el modelo y monitorear su desempeño. Este proceso debe repetirse continuamente para garantizar que el modelo funcione como se espera a lo largo del tiempo. En el pasado, este proceso ponía el aprendizaje automático fuera del alcance de todos los desarrolladores, excepto los más capacitados. Sin embargo, Amazon SageMaker ha cambiado eso.

Amazon SageMaker es un servicio completamente administrado que elimina los desafíos de cada etapa del proceso de aprendizaje automático, lo que hace que sea radicalmente más fácil y rápido para los desarrolladores y científicos de datos de todos los días construir, entrenar e implementar modelos de aprendizaje automático. Decenas de miles de clientes utilizan Amazon SageMaker para ayudar a acelerar sus implementaciones de aprendizaje automático, incluidas 3M, ADP, AstraZeneca, Avis, Bayer, Bundesliga, Capital One, Cerner, Chick-fil-A, Convoy, Domino’s Pizza, Fidelity Investments, GE Healthcare , Georgia-Pacific, Hearst, iFood, iHeartMedia, JPMorgan Chase, Intuit, Lenovo, Lyft, National Football League, Nerdwallet, T-Mobile, Thomson Reuters y Vanguard.