Publié le: Sep 1, 2022
SageMaker Autopilot crée, entraîne et ajuste automatiquement les meilleurs modèles de machine learning en fonction de vos données, tout en vous permettant de conserver un contrôle et une visibilité totale. À compter d'aujourd'hui, lors de la création d'une expérience Autopilot pour entraîner un modèle de machine learning, vous pouvez personnaliser les fractionnements de données utilisés pour l'entraînement et la validation des modèles. Par défaut, le pilote automatique divise le jeu de données spécifié en fractions de 80 à 20 % réservées respectivement à l'entraînement et à la validation. Avec cette version, vous pouvez personnaliser les pourcentages de répartition des données d'entraînement et de validation, ou fournir deux jeux de données, l'un pour l'entraînement et l'autre pour la validation. Cette fonctionnalité peut être utilisée à la fois dans Amazon SageMaker Studio et dans l'API SageMaker Autopilot.
Pour rendre la sélection du jeu de données d'entraînement et de validation plus efficace, cette version comprend également une interface utilisateur améliorée qui offre une expérience de navigation S3 conviviale et un flux de travail guidé étape par étape pour vous assurer un contrôle et une visibilité complets sur les paramètres avancés.
Pour commencer, mettez à jour Amazon SageMaker Studio vers la dernière version et lancez SageMaker Autopilot à partir de SageMaker Studio Launcher ou du flux de travail Amazon SageMaker Data Wrangler Train Model. Pour en savoir plus sur la mise à jour de Studio, veuillez consulter la documentation.
Ces nouvelles fonctionnalités et expériences sont désormais disponibles dans toutes les régions où SageMaker Autopilot est disponible. Pour commencer, consultez les sections Création d'une expérience avec Autopilot et Référence de l'API SageMaker Autopilot. Pour en savoir plus, consulter la page produit SageMaker Autopilot.