Amazon SageMaker

Cree, entrene e implemente modelos de aprendizaje automático a escala

Amazon SageMaker es un servicio completamente administrado que permite a los desarrolladores y científicos de datos crear, entrenar e implementar modelos de aprendizaje automático de forma rápida y sencilla a cualquier escala. Amazon SageMaker elimina todas las dificultades que suelen ralentizar a los desarrolladores que desean utilizar aprendizaje automático.

La mayoría de los desarrolladores suelen encontrar el aprendizaje automático mucho más duro, ya que el proceso de crear y entrenar modelos (y luego implementarlos en la producción) es demasiado complicado y lento. En primer lugar, debe recopilar y preparar sus datos de entrenamiento para averiguar qué elementos de su conjunto de datos son importantes. A continuación, debe seleccionar el algoritmo y el marco de trabajo que vaya a utilizar. Tras decidir su enfoque, tiene que enseñarle al modelo cómo generar predicciones mediante formación, lo que requiere mucha computación. Luego debe ajustar el modelo de forma que entregue las mejores predicciones posibles, una labor manual que suele resultar tediosa. Tras haber desarrollado un modelo completamente preparado, debe integrarlo con su aplicación e implementar esta última en una infraestructura que escale. Para todo este proceso hace falta experiencia especializada, acceso a grandes cantidades de computación y almacenamiento, y mucho tiempo para experimentar y optimizar cada parte del proceso. Al final no es de extrañar que la mayoría de los desarrolladores consideren todo esto inalcanzable.

Amazon SageMaker elimina la complejidad que impide que los desarrolladores completen cada uno de estos pasos correctamente. Amazon SageMaker incluye módulos que se pueden utilizar juntos o por separado para crear, entrenar e implementar modelos de aprendizaje automático.

Presentamos Amazon SageMaker

Cómo funciona

Desarrollo

Amazon SageMaker facilita la creación de modelos de aprendizaje automático y su preparación para el entrenamiento, y proporciona todo lo necesario para conectarse rápidamente a los datos de entrenamiento y para seleccionar y optimizar el mejor algoritmo y marco de trabajo para la aplicación. Amazon SageMaker incluye blocs de notas de Jupyter hospedados que facilitan la exploración y visualización de los datos de entrenamiento almacenados en Amazon S3. Puede conectarse directamente a los datos en S3, o utilizar AWS Glue para mover datos de Amazon RDS, Amazon DynamoDB y Amazon Redshift a S3 para su análisis en el bloc de notas.

Para ayudarle a seleccionar el algoritmo, Amazon SageMaker incluye los 10 algoritmos de aprendizaje automático más comunes, preinstalados y optimizados para ofrecer hasta 10 veces el desempeño que conseguirá si los ejecuta en cualquier otro lugar. Amazon SageMaker también viene preconfigurado para ejecutar TensorFlow y Apache MXNet, dos de los marcos de trabajo de código abierto más populares. También tiene la opción de utilizar su propio marco de trabajo.

Entrenamiento

Puede comenzar a entrenar un modelo con un solo clic en la consola de Amazon SageMaker. Amazon SageMaker administra automáticamente toda la infraestructura subyacente y puede escalar fácilmente para entrenar modelos a escala de petabytes. Para que el proceso de entrenamiento sea incluso más rápido y sencillo, Amazon SageMaker puede ajustar automáticamente el modelo para conseguir la mayor precisión posible.

Implementación

Una vez que el modelo está entrenado y ajustado, Amazon SageMaker facilita la tarea de ponerlo en producción para empezar a generar predicciones sobre datos nuevos (un proceso denominado inferencia). Amazon SageMaker implementa el modelo en un clúster de escalado automático de instancias de Amazon EC2 distribuidas en varias zonas de disponibilidad para ofrecer alto desempeño y alta disponibilidad. Amazon SageMaker también incluye pruebas A/B integradas para ayudarle a probar el modelo y experimentar con diferentes versiones con objeto de obtener los mejores resultados.

Amazon SageMaker elimina el trabajo pesado del aprendizaje automático, lo que le permite crear, entrenar e implementar modelos de aprendizaje automático de forma rápida y sencilla.

Beneficios

Rápida puesta en marcha de la producción con aprendizaje automático

Amazon SageMaker reduce de manera significativa la cantidad de tiempo necesario para entrenar, ajustar e implementar los modelos de aprendizaje automático. Amazon SageMaker administra y automatiza todas las técnicas sofisticadas de entrenamiento y ajuste de modo que pueda poner en marcha los modelos en la producción rápidamente.

Compatibilidad con cualquier marco de trabajo o algoritmo

Amazon SageMaker es compatible con todos los marcos de trabajo y algoritmos de aprendizaje automático, por lo que puede utilizar la tecnología que ya domina. Apache MXNet y TensorFlow están preinstalados, y Amazon SageMaker ofrece una variedad de algoritmos de aprendizaje automático integrados y de alto desempeño. Si desea entrenar con un marco de trabajo o algoritmo alternativo, puede llevar su propio contenedor Docker.

Entrenamiento e implementación con un solo clic

Amazon SageMaker le permite empezar a entrenar su modelo con un solo clic en la consola o con una simple llamada al API. Cuando haya terminado el entrenamiento y ya pueda implementar el modelo, puede iniciarlo con solo hacer clic en la consola de Amazon SageMaker.

Integración sencilla con el flujo de trabajo existente

Amazon SageMaker está diseñado en tres módulos que pueden utilizarse en conjunto o por separado como parte de cualquier flujo de trabajo existente de aprendizaje automático que puede que ya tenga en marcha.

Acceso sencillo a modelos entrenados

Amazon SageMaker facilita la integración de los modelos de aprendizaje automático en sus aplicaciones al proporcionar un punto de enlace HTTPS al que se pueda llamar desde cualquier aplicación.

Casos de uso

Publicidad dirigida a un público específico

El uso de Amazon SageMaker junto con otros servicios de AWS le ayudará a optimizar sus beneficios sobre los gastos publicitarios. Amazon SageMaker puede entrenar e implementar fácilmente modelos de aprendizaje automático capaces de dirigir los anuncios publicitarios online a un público específico de forma más eficiente, lo que permite una mayor participación y conversión de clientes. En el entorno distribuido y sin servidor de Amazon SageMaker, es posible entrenar modelos de sistemas de recomendación, predicción con un clic, segmentación de clientes y aumento del valor del tiempo de vida del cliente. Una vez creados, los modelos se pueden alojar fácilmente en puntos de enlace de escalado automático y baja latencia, o bien se pueden pasar a otros sistemas de puja en tiempo real.

Predicción de incumplimiento crediticio

Amazon SageMaker facilita la predicción de la probabilidad de incumplimiento crediticio, un problema habitual en el aprendizaje automático. Amazon SageMaker se integra correctamente con los marcos de trabajo analíticos existentes (como Amazon Redshift, Amazon EMR o AWS Glue), lo que le permite publicar conjuntos de datos grandes y diversos en un lago de datos de Amazon S3, transformarlos rápidamente, crear modelos de aprendizaje automático e inmediatamente alojarlos para su predicción online.

IoT industrial y aprendizaje automático

El IoT industrial y el aprendizaje automático pueden realizar predicciones en tiempo real (con las que anticipar los errores de las máquinas) o la programación del mantenimiento con el fin de lograr mayores niveles de eficiencia.

Publicaciones del blog

evangelist-randall-hunt

Amazon SageMaker – Aceleración del aprendizaje automático
Randall Hunt, evangelista técnico sénior en AWS
29 de noviembre de 2017

Más información sobre las características de Amazon SageMaker

Visite la página de características
¿Listo para comenzar?
Inscribirse