Publicado en: Dec 3, 2019
Amazon SageMaker Debugger es una capacidad nueva de Amazon SageMaker que ofrece información completa sobre el proceso de entrenamiento de modelos de aprendizaje automático (ML) automatizando la captura y el análisis de datos a partir de las ejecuciones de entrenamiento en tiempo real, sin cambios en el código.
El entrenamiento de modelos de ML es una tarea compleja compuesta por varios pasos, la cual es repetitiva y lenta. Durante el entrenamiento, los modelos de ML aprenden patrones de los datos de entrenamiento para hacer predicciones precisas. Este aprendizaje ocurre a través de varias iteraciones de los datos y mediante el ajuste de los valores del parámetro para cada iteración. Es complicado asegurar que un modelo está aprendiendo progresivamente los valores correctos de los diferentes parámetros. De igual modo, tampoco es fácil analizar y depurar las características del modelo sin crear más herramientas, lo cual complica todo el proceso.
Amazon SageMaker Debugger facilita mucho el análisis y la depuración de las características del modelo durante el entrenamiento, utilizando la interfaz visual de Amazon SageMaker Studio. Cuando se detectan anomalías, SageMaker Debugger envía alertas para que los desarrolladores tomen medidas correctivas y así reduce de días a minutos el tiempo que lleva depurar modelos. Los datos de depuración permanecen en la cuenta de AWS del cliente, permitiendo que se utilice SageMaker Debugger para las aplicaciones más sensibles de carácter privado.
Amazon SageMaker Debugger ya está disponible. Para conocer más, lea las publicaciones del blog aquí y consulte la documentación de introducción.