Veröffentlicht am: Feb 27, 2023
Amazon SageMaker Autopilot, ein Low-Code-Service für Machine Learning (ML), der automatisch auf Grundlage Ihrer Daten die besten ML-Modelle erstellt, trainiert und optimiert, unterstützt jetzt die Auswahl der zugrunde liegenden Trainingsalgorithmen und erstellt gleichzeitig ein Autopilot-Experiment. Die Möglichkeit zur Auswahl von Algorithmen bietet Ihnen die Flexibilität, Ihre AutoML-Prozesse anzupassen und Experimente erheblich schneller abzuschließen.
Amazon SageMaker AutoPilot unterstützt die automatische oder manuelle Auswahl der zwei Trainingsmethoden Ensemble und Hyperparameter Optimization (HPO), um verschiedene Probleme des Machine Learning zu lösen. Die Trainingsmodi Ensemble und HPO unterstützen acht bzw. drei Algorithmen. In jedem Trainingsmodus wird ein vordefinierter Satz von Algorithmen für Ihren Datensatz ausgeführt, um Modellkandidaten zu trainieren. Autopilot wählt standardmäßig alle verfügbaren Algorithmen für den angegebenen Trainingsmodus im Voraus aus. Ab heute können Sie den oder die Algorithmen aus der Liste der angebotenen Algorithmen auswählen und das Autopilot-Experiment an Ihre Anforderungen in puncto Modelltraining anpassen. Durch die Auswahl von Algorithmen entfällt nicht nur die Notwendigkeit, nicht bevorzugte Algorithmen zu wiederholen, sondern verbessert auch die gesamte Laufzeit des Jobs.
Die Algorithmenauswahl in SageMaker Autopilot ist jetzt in allen Regionen verfügbar, in denen SageMaker Autopilot verfügbar ist. Erstellen Sie zunächst in der SageMaker-Studio-Konsole ein SageMaker-Autopilot-Experiment. Aktuelle Informationen zur API finden Sie im Referenzhandbuch zur createAutoMLJob-API. Aktualisieren Sie auf die neueste Version von SageMaker Studio, um den neuen Ensemble-Trainingsmodus zu verwenden. Weitere Informationen zu dieser Funktion finden Sie im Entwicklerhandbuch. Mehr über SageMaker Autopilot erfahren Sie auf der Produktseite.