Publicado en: Sep 1, 2022
Con Piloto automático de SageMaker, puede crear, entrenar y adaptar automáticamente los mejores modelos de machine learning en función de sus datos, a la vez que le permite mantener todo el control y la visibilidad. A partir de hoy, al crear un experimento con Piloto automático para entrenar un modelo de machine learning, puede personalizar las divisiones de datos que se usan para entrenar y validar modelos. De forma predeterminada, Piloto automático separa el conjunto de datos especificado en divisiones del 80 % al 20 % reservadas para entrenamiento y validación. Con esta versión, puede personalizar los porcentajes de división de datos para entrenamiento y validación o, alternativamente, proporcionar dos conjuntos de datos, uno para entrenamiento y otro para validación. Esta función está disponible para su uso tanto en Amazon SageMaker Studio como en la API de Piloto automático de SageMaker.
Para que la selección de conjuntos de datos de entrenamiento y validación sea más eficiente, esta versión también incluye una interfaz de usuario mejorada que ofrece una experiencia de navegación de S3 amigable y un flujo de trabajo guiado detallado que lo ayuda a obtener la totalidad del control y la visibilidad de la configuración avanzada.
Para comenzar, actualice Amazon SageMaker Studio a la versión más reciente y ejecute Piloto automático de SageMaker desde SageMaker Studio Launcher o desde el flujo de trabajo del modelo de entrenamiento de Amazon SageMaker Data Wrangler. Para obtener más información sobre cómo actualizar Studio, consulte la documentación.
Estas nuevas características y experiencias ahora están disponibles en todas las regiones donde Piloto automático de SageMaker está disponible. Para comenzar, consulte Creación de un experimento con Piloto automático y la referencia de la API de Piloto automático de SageMaker Autopilot. Para obtener más información, visite la página del producto Piloto automático de SageMaker.