Publicado en: Dec 8, 2020
Hoy, Amazon anunció Amazon Neptune ML, una nueva capacidad de Amazon Neptune que usa gráficos de redes neuronales (GNN), una técnica de aprendizaje automático (ML) diseñada específicamente para gráficos, para hacer predicciones fáciles, rápidas y precisas mediante el uso de datos de gráficos. Con GNN, puede mejorar la precisión de la mayoría de las predicciones para gráficos en más del 50 % en comparación con hacer predicciones mediante métodos sin gráficos basados en investigaciones publicadas de la Universidad de Stanford.
Hacer predicciones precisas en gráficos con millones de relaciones puede resultar difícil y requerir mucho tiempo. Los enfoques de ML existentes, como XGBoost, no pueden funcionar de manera eficaz en gráficos porque están diseñados para datos tabulares. Como resultado, el uso de estos métodos en gráficos puede llevar tiempo, requerir habilidades especializadas y producir predicciones no del todo óptimas.
Mediante Deep Graph Library (DGL), una biblioteca de código abierto a la que AWS contribuye y que facilita la aplicación del aprendizaje profundo a los datos de gráficos, Neptune ML automatiza el trabajo pesado de seleccionar y entrenar el mejor modelo de ML para datos de gráficos, y permite que los usuarios ejecuten ML en su gráfico directamente mediante consultas y API de Neptune. Como resultado, ahora puede crear, entrenar y aplicar ML en datos de Neptune en horas en lugar de semanas sin la necesidad de aprender nuevas herramientas y tecnologías ML.
Solo paga por los recursos de AWS utilizados, como Amazon SageMaker, Amazon Neptune, Amazon CloudWatch y Amazon S3. Neptune ML está disponible para los clientes que utilizan la versión 1.0.4.1 del motor Neptune (o posterior) y en todas las regiones comerciales en que Neptune está disponible. Para obtener más información sobre esta función, consulte la página de documentación de Neptune ML.