Amazon Sage​Maker

Créez, formez et déployez des modèles d'apprentissage automatique à grande échelle

Amazon SageMaker est un service entièrement géré permettant aux développeurs et aux spécialistes des données de créer, former et déployer rapidement et facilement des modèles d'apprentissage automatique à n'importe quelle échelle. Amazon SageMaker supprime tous les obstacles qui ralentissent généralement les développeurs désireux d'utiliser l'apprentissage automatique.

Pour la plupart des développeurs, l'apprentissage automatique semble souvent beaucoup plus difficile qu'il ne devrait, car le processus consistant à créer et à former des modèles, puis à les déployer en production est trop complexe et trop lent. Tout d'abord, vous devez collecter et préparer vos données de formation pour découvrir quels éléments de votre ensemble de données sont importants. Vous devez ensuite sélectionner l'algorithme et le framework que vous utiliserez. Après avoir déterminé l'approche à adopter, vous devez apprendre au modèle comment réaliser des prédictions en le formant, ce qui exige de nombreux calculs. Puis, vous devez régler le modèle afin qu'il offre les meilleures prédictions possibles, une tâche souvent manuelle et fastidieuse. Une fois le modèle entièrement formé, vous devez l'intégrer dans votre application et déployer celle-ci sur l'infrastructure qui s'adaptera. Tout cela exige de nombreuses compétences en la matière, l'accès à de grandes quantités de ressources de calcul et de stockage et beaucoup de temps pour tester et optimiser chaque partie du processus. Au bout du compte, il n'est pas surprenant que cela semble hors de portée de la plupart des développeurs.

Amazon SageMaker élimine la complexité inhérente à chacune de ces étapes. Amazon SageMaker inclut des modules qui peuvent être utilisés ensemble ou séparément pour créer, former et déployer vos modèles d'apprentissage automatique.

Présentation d'Amazon SageMaker

Fonctionnement

Création

Amazon SageMaker facilite la création de modèles d'apprentissage automatique et les prépare pour la formation en vous fournissant tout ce dont vous avez besoin pour vous connecter rapidement à vos données de formation et pour sélectionner et optimiser les meilleurs algorithme et framework pour votre application. Amazon SageMaker inclut des blocs-notes Jupyter hébergés qui simplifient l'exploration et la visualisation de vos données de formation stockées dans Amazon S3. Vous pouvez vous connecter directement aux données dans S3 ou utiliser AWS Glue pour déplacer les données depuis Amazon RDS, Amazon DynamoDB et Amazon Redshift vers S3 en vue de leur analyse dans votre bloc-notes.

Pour vous aider à sélectionner votre algorithme, Amazon SageMaker inclut les 10 algorithmes d'apprentissage automatique les plus courants qui ont été préinstallés et optimisés pour proposer des performances jusqu'à 10 fois supérieures à celles qu'offre ailleurs l'exécution de ces algorithmes. Amazon SageMaker est aussi préconfiguré pour exécuter TensorFlow et Apache MXNet, deux des infrastructures open source les plus répandues. Vous avez aussi la possibilité d'utiliser votre propre framework.

Formation

Vous pouvez commencer la formation de votre modèle d'un simple clic dans la console Amazon SageMaker. Amazon SageMaker gère automatiquement l'ensemble de l'infrastructure sous-jacente et peut aisément s'adapter pour former les modèles à l'échelle du pétaoctet. Pour que le processus de formation soit encore plus rapide et plus simple, Amazon SageMaker peut automatiquement régler votre modèle afin d'obtenir la plus grande précision possible.

Déploiement

Une fois votre modèle formé et réglé, Amazon SageMaker facilite le déploiement en production afin que vous puissiez commencer à générer des prédictions concernant les nouvelles données (ce processus est appelé « inférence »). Amazon SageMaker déploie votre modèle sur un cluster à scalabilité automatique d'instances Amazon EC2 réparties sur plusieurs zones de disponibilité pour offrir de hautes performances et une disponibilité élevée. Amazon SageMaker inclut aussi des fonctionnalités de test A/B intégrées pour vous aider à tester votre modèle et à expérimenter différentes versions afin d'obtenir les meilleurs résultats.

Dans la mesure où Amazon SageMaker s'occupe de la lourde charge de l'apprentissage automatique, vous pouvez créer, former et déployer vos modèles d'apprentissage automatique rapidement et facilement.

Avantages

Accélération de la mise en production avec l'apprentissage automatique

Amazon SageMaker réduit considérablement le temps nécessaire à la formation, au réglage et au déploiement des modèles d'apprentissage automatique. Amazon SageMaker gère et automatise toutes les techniques de formation et de réglage avancées pour que vous puissiez rapidement mettre vos modèles en production.

Prise en charge de tous les frameworks et algorithmes

Amazon SageMaker prend en charge tous les algorithmes et frameworks d'apprentissage automatique pour vous permettre d'utiliser la technologie que vous utilisez habituellement. Les frameworks Apache MXNet et TensorFlow sont préinstallés, et Amazon SageMaker intègre un large éventail d'algorithmes d'apprentissage automatique performants. Si vous souhaitez former des modèles avec un autre framework ou algorithme, vous pouvez utiliser votre propre framework ou algorithme dans un conteneur Docker.

Formation et déploiement en un clic

Avec Amazon SageMaker, vous pouvez commencer la formation de votre modèle d'un simple clic dans la console ou à l'aide d'un simple appel d'API. Lorsque votre modèle est formé et prêt à être déployé, vous pouvez le lancer en un clic dans la console Amazon SageMaker.

Intégration facile à votre flux de travail existant

Amazon SageMaker comprend trois modules qui peuvent être utilisés ensemble ou séparément dans le cadre d'un flux de travail d'apprentissage automatique déjà mis en place.

Accès facile aux modèles formés

Amazon SageMaker simplifie l'intégration des modèles d'apprentissage automatique dans vos applications en fournissant un point de terminaison HTTPS qui peut être appelé depuis n'importe quelle application.

Cas d'utilisation

Ciblage publicitaire

L'association d'Amazon SageMaker à d'autres services AWS permet d'optimiser le retour sur investissement publicitaire. Amazon SageMaker peut former et déployer facilement des modèles d'apprentissage automatique capables de cibler plus efficacement les publicités en ligne, améliorant ainsi l'engagement et la conversion des clients. Les modèles de systèmes de recommandation, de prévisions de taux de clics, de segmentation de la clientèle et d'augmentation de la valeur vie peuvent tous être formés dans l'environnement distribué sans serveur d'Amazon SageMaker. Une fois créés, les modèles peuvent être facilement hébergés dans des points de terminaison à faible latence et à scalabilité automatique, ou transférés vers d'autres systèmes d'enchères en temps réel.

Prévisions de défaut de crédit

Amazon SageMaker simplifie les prévisions quant à la probabilité de défaut de crédit, un problème fréquent avec l'apprentissage automatique. Amazon SageMaker s'intègre parfaitement aux frameworks d'analyse existants tels qu'Amazon Redshift, Amazon EMR et AWS Glue, ce qui vous permet de publier de grands ensembles de données variés dans un lac de données Amazon S3, puis de les transformer rapidement, de créer des modèles d'apprentissage automatique et de les héberger immédiatement pour profiter de prévisions en ligne.

IoT et apprentissage automatique industriels

L'IoT et l'apprentissage automatique industriels peuvent permettre d'établir des prévisions en temps réel pour anticiper les pannes de machine ou prévoir des programmes d'entretien, afin d'obtenir de plus hauts niveaux d'efficacité.

Articles de blog

evangelist-randall-hunt

Amazon SageMaker – Accelerating Machine Learning
Randall Hunt, évangéliste technique senior chez AWS
29 novembre 2017

En savoir plus sur les fonctionnalités d'Amazon SageMaker

Consultez la page de fonctionnalités
Prêt à vous lancer ?
S'inscrire