Publicado en: Jun 1, 2022
Amazon SageMaker JumpStart le ayuda a resolver de forma rápida y sencilla los problemas de machine learning gracias al acceso con un solo clic (a) a más de 300 colecciones de modelos populares de TensorFlow Hub, PyTorch Hub, Hugging Face y Gluon CV; (b) a 18 soluciones integrales capaces de resolver problemas empresariales comunes, como la previsión de la demanda, la detección de fraudes y la comprensión de documentos. Los modelos disponibles pueden utilizarse para una gran variedad de tareas de machine learning, como la clasificación de imágenes, la detección de objetos, la segmentación semántica, la segmentación de instancias, la incrustación de imágenes, la clasificación de textos, la clasificación de pares de oraciones, la respuesta a preguntas, la incrustación de texto, el resumen de textos, la generación de textos, la traducción automática, la clasificación tabular y la regresión tabular.
La formación de los modelos de machine learning con grandes conjuntos de datos puede tomar mucho tiempo. Los clientes generalmente quieren mejorar la calidad de un modelo ya formado cuando están disponibles nuevos datos de formación. Volver a formar al modelo con los datos antiguos y los nuevos puede tomar mucho tiempo más. A partir de hoy, los clientes pueden formar de manera gradual con datos nuevos a todos los modelos de JumpStart ya formados, sin que dicha formación deba comenzar desde cero. Esto puede acortar significativamente el tiempo de formación necesario para lograr un modelo mejor. Esta capacidad de formación gradual está disponible a través la interfaz de usuario de SageMaker JumpStart, dentro de SageMaker Studio, como también a través del código de Python con el SDK para Python de SageMaker.
Amazon SageMaker JumpStart se encuentra disponible en todas las regiones donde Amazon SageMaker Studio está disponible. Para empezar a trabajar con estos nuevos modelos en SageMaker, consulte la documentación de JumpStart.