Publicado en: Nov 22, 2022
El piloto automático de Amazon SageMaker ahora brinda más información sobre el flujo de trabajo subyacente de cada prueba dentro de un experimento del piloto automático de SageMaker puesto en marcha con el modo de entrenamiento de conjunto. El piloto automático de SageMaker clasifica una lista de modelos de machine learning por latencia de inferencia (es decir, el tiempo que se debe esperar para obtener el resultado de la predicción de un punto de conexión en tiempo real en el que se implementa el modelo) y por métricas objetivas, como la exactitud, la precisión, la recuperación y el área bajo la curva en la tabla de clasificación de modelos. El piloto automático de SageMaker crea, entrena y ajusta automáticamente los mejores modelos de machine learning en función de sus datos, al mismo tiempo que le permite mantener un control y una visibilidad totales.
El piloto automático de Amazon SageMaker incorporó recientemente un nuevo modo de entrenamiento de conjunto con la tecnología AutoGluon. En el modo de entrenamiento de conjunto, se ejecutan varias pruebas con diferentes combinaciones de subconjuntos de algoritmos y parámetros de configuración de AutoGluon. Hasta ahora, solamente un modelo de cada ejecución de prueba se devolvía como resultado de la prueba y se clasificaba según la métrica objetiva en la tabla de clasificación de modelos. A partir de hoy, los experimentos del piloto automático de SageMaker con el modo de entrenamiento de conjunto no solo proporcionarán una mayor visibilidad del experimento de AutoML (ya que ofrecen la lista completa del conjunto subyacente de modelos de aprendizaje básico que se ejecutó dentro de cada prueba), sino que también utilizarán las mejores métricas objetivas y la menor latencia de inferencia para seleccionar el mejor modelo candidato para un experimento. Por ejemplo, si dos modelos candidatos para un problema de clasificación binaria tienen una métrica objetiva de puntuación f1 similar de 0,678, pero tienen una latencia de inferencia de 0,43 segundos y 0,39 segundos respectivamente, el piloto automático de SageMaker clasificará a este último como el mejor modelo en la tabla de clasificación de modelos.
Para comenzar, actualice Amazon SageMaker Studio a la versión más reciente y ejecute el piloto automático de SageMaker desde el iniciador de SageMaker Studio o desde las API. Para obtener más información sobre cómo actualizar SageMaker Studio, consulte la documentación.
La característica de métricas de latencia de inferencia y visibilidad de los modelos de aprendizaje básico está disponible en todas las regiones donde esté disponible el piloto automático de SageMaker. Para comenzar, consulte Creación de un experimento con el piloto automático y la referencia de la API del piloto automático de SageMaker. Para obtener más información, visite la página del producto Piloto automático de SageMaker.