Veröffentlicht am: Sep 1, 2022
SageMaker Autopilot erstellt, trainiert und optimiert automatisch die besten Modelle für Machine Learning basierend auf Ihren Daten und ermöglicht Ihnen gleichzeitig die vollständige Kontrolle und Sichtbarkeit. Ab heute können Sie bei der Erstellung von Autopilot-Experimenten zum Trainieren eines Modells für Machine Learning die Aufteilung der für das Training und die Validierung der Modelle verwendeten Daten anpassen. Standardmäßig teilt Autopilot den angegebenen Datensatz in eine Aufteilung von 80-20 Prozent auf, die jeweils für Training und Validierung reserviert sind. Mit dieser Version können Sie die prozentuale Aufteilung der Trainings- und Validierungsdaten anpassen oder alternativ zwei Datensätze bereitstellen, einen für das Training und einen für die Validierung. Diese Funktion ist sowohl in Amazon SageMaker Studio als auch in der SageMaker Autopilot API verfügbar.
Um die Auswahl von Trainings- und Validierungsdatensätzen effizienter zu gestalten, enthält diese Version auch eine verbesserte Benutzeroberfläche, die ein benutzerfreundliches S3-Browsing und einen geführten Schritt-für-Schritt-Workflow biete. So können Sie die volle Kontrolle über und einen transparenten Einblick in die erweiterten Einstellungen behalten.
Um zu beginnen, aktualisieren Sie Amazon SageMaker Studio auf die neueste Version und starten Sie SageMaker Autopilot entweder über den SageMaker Studio Launcher oder über den „Modell trainieren“-Workflow von Amazon SageMaker Data Wrangler. Mehr Informationen zur Aktualisierung von Studio finden Sie in der Dokumentation.
Diese neuen Funktionen und Erfahrungen sind nun in allen Regionen verfügbar, in denen SageMaker Autopilot verfügbar ist. Um zu beginnen, lesen Sie unter Ein Experiment mit Autopilot erstellen und in der API-Referenz von SageMaker Autopilot weiter. Mehr erfahren Sie auf der Produktseite von SageMaker Autopilot.