Amazon SageMaker Experiments
Gérez efficacement les expériences de machine learning
Offre gratuite
100 000 enregistrements de métriques ingérés par mois, 1 million d'enregistrements de métriques récupérés par mois (via des API) et 100 000 enregistrements de métriques stockés par mois. Le niveau gratuit est disponible pendant les 6 premiers mois.
Analysez et comparez les itérations d'entraînement de machine learning pour choisir le modèle le plus performant
SageMaker Experiments est un service géré qui permet de suivre et d'analyser les expériences de machine learning à grande échelle.
Enregistrer les expériences effectuées dans n'importe quel IDE
Les expériences de machine learning sont réalisées dans divers environnements tels que des blocs-notes et des IDE locaux, un code d'entraînement s'exécutant dans le cloud ou des IDE gérés dans le cloud tels que SageMaker Studio. Avec SageMaker Experiments, vous pouvez commencer à suivre vos expériences de manière centralisée à partir de n'importe quel environnement ou IDE. Vous n'avez besoin que de quelques lignes de code Python que maîtrisent bien les scientifiques des données.
Gérer de manière centralisée les métadonnées des expériences ML
Le processus de développement d'un modèle de machine learning implique d'expérimenter diverses combinaisons de données, d'algorithmes et de paramètres. Il convient également d'évaluer l'impact des modifications incrémentielles sur les performances du modèle. Avec SageMaker Experiments, vous pouvez suivre vos itérations de machine learning et enregistrer automatiquement toutes les métadonnées associées telles que les métriques, les paramètres et les artefacts dans un emplacement central.
Évaluer les expériences
Pour déterminer le meilleur modèle à partir de plusieurs itérations, une analyse et une comparaison des performances du modèle sont nécessaires. SageMaker Experiments fournit des visualisations telles que des nuages de points, des diagrammes à barres et des histogrammes. En outre, le SDK (Software Development Kit, kit de développement logiciel) SageMaker Experiments vous permet de charger les données journalisées dans votre bloc-notes pour une analyse hors ligne.
Créer des modèles en collaboration
Au sein de l'organisation, la collaboration centrée sur l'équipe est essentielle à la réussite d'un projet de science des données. SageMaker Experiments est intégré à SageMaker Studio, ce qui permet aux membres de l'équipe d'accéder aux mêmes informations et de confirmer que les résultats de l'expérience sont cohérents, facilitant ainsi la collaboration. Utilisez la fonction de recherche de SageMaker Studio pour trouver rapidement des expériences antérieures pertinentes.
Reproduire et auditer des expériences de machine learning
Lorsque les performances d'un modèle changent, vous devez en comprendre la cause première. Parfois, il convient de documenter le processus de développement du modèle afin de pouvoir le reproduire et le tester facilement. À l'aide de SageMaker Experiments, vous pouvez accéder à votre flux de travail de machine learning et le reproduire à partir des expériences que vous avez suivies.
Comment démarrer
Découvrez le fonctionnement de SageMaker Experiments
Apprenez-en plus sur la gestion des expériences, la journalisation des métadonnées et l'analyse.