Blog de Amazon Web Services (AWS)

Category: Amazon SageMaker

Análisis exploratorio de datos, feature engineering y puesta en funcionamiento de su flujo de datos en su pipeline de ML con Amazon SageMaker Data Wrangler

Por Phi Nguyen y Roberto Bruno Martins   Según la encuesta The State of Data Science 2020 , la gestión de datos, el análisis exploratorio de datos (EDA), la selección de características y el feature engineering representan más del 66% del tiempo de un científico de datos (ver el siguiente diagrama).     La misma […]

Read More

Personalización y reutilización de modelos generados por el piloto automático de Amazon SageMaker

Por Simon Zamarin, Piali Das y Qingwei Li   El modo piloto automático de Amazon SageMaker entrena y ajusta automáticamente los mejores modelos de aprendizaje automático (ML) para problemas de clasificación o regresión, al tiempo que le permite mantener el control y total visibilidad. Esto no solo permite a los analistas de datos, desarrolladores y […]

Read More

Avances en la detección de fraudes: ML para la encuestas en línea

Por AWS Admin   Mensaje invitado por Jakob Ludewig, Científico de Datos Senior, Investigación de Dalia  La transición de la industria de la investigación de mercado desde las encuestas telefónicas y presenciales hacia plataformas en línea ha aumentado enormemente la velocidad y el alcance de la recopilación de datos. Las plataformas modernas de encuestas en […]

Read More

Configuración de Amazon SageMaker Studio para equipos y grupos con aislamiento completo de recursos

Por Vikrant Kahlir, Rakesh Ramadas e Rama Thamman   Amazon SageMaker es un servicio totalmente gestionado que ofrece a todos los desarrolladores y científicos de datos de aprendizaje automático (ML) la capacidad de crear, entrenar e implementar modelos de ML rápidamente. Amazon SageMaker Studio es un entorno de desarrollo integrado (IDE) basado en web para […]

Read More

Lleve su propia imagen de contenedor personalizada a los notebooks de Amazon SageMaker Studio

Por Stefan Natu, Huong Nguyen y Jaipreet Singh   Amazon SageMaker Studio es el primer entorno de desarrollo (IDE) totalmente integrado para aprendizaje automático (ML). SageMaker Studio permite a los científicos de datos utilizar notebooks  Studio para explorar datos, crear modelos, lanzar trabajos de entrenamiento de Amazon SageMaker e implementar endpoints alojados. Los notebooks  Studio […]

Read More

Creación de dominios y perfiles de usuario de Amazon SageMaker Studio mediante AWS CloudFormation

Por Qingwei Li, David Ping e Joseph Jegan   Amazon SageMaker Studio es el primer entorno de desarrollo (IDE) totalmente integrado para machine learning (ML). Proporciona una interfaz visual unificada, basada en web, donde puede realizar todos los pasos de desarrollo de ML necesarios para construir, entrenar, ajustar, depurar, implementar y monitorear modelos. En esta […]

Read More

Use su propio entorno R a Amazon SageMaker Studio

Por Nick Minaie y Sam Liu   Amazon SageMaker Studio es el primer entorno de desarrollo (IDE) totalmente integrado para aprendizaje automático (ML). Con un solo clic, los científicos de datos y desarrolladores pueden activar rápidamente los notebooks de SageMaker Studio para explorar conjuntos de datos y crear modelos. El 27 de octubre de 2020, […]

Read More

Ingesta de streaming con Amazon SageMaker Feature Store para tomar decisiones respaldadas por ML casi en tiempo real

Por Paul Hargis, Arunprasath Shankar, Megan Leoni y Mark Roy   Las empresas utilizan cada vez más machine learning (ML) para tomar decisiones casi en tiempo real, como colocar un anuncio, asignar un controlador, recomendar un producto o incluso fijar precios dinámicos de productos y servicios. Los modelos de ML hacen predicciones dado un conjunto […]

Read More

Canalización de etiquetado de datos en tiempo real para flujos de trabajo de ML mediante Amazon SageMaker Ground Truth

Por Talia Chopra, Escritora Técnica y Priyanka Gopalakrishna, Ingeniera de Software   Los modelos de machine learning (ML) de alta calidad dependen de datos de capacitación, validación y prueba de alta calidad con etiquetas precisas. A medida que los modelos ML y deep learning se integran cada vez más en entornos de producción, es cada […]

Read More

Implementando el algoritmo LightGBM en Amazon SageMaker

Por María Gaska, AI/ML Specialist SA AWS Argentina   En Amazon SageMaker existen tres modalidades de entrenamiento: algoritmos totalmente manejados, frameworks o algoritmos que soportan script mode y la posibilidad de traer un container propio. Este último será el caso cuando queramos implementar un modelo de LightGBM utilizando el servicio de entrenamiento de SageMaker. En […]

Read More