Introduzione di Amazon SageMaker: accelerazione del machine learning

Inserito il: 19 ott 2023

Oggi Amazon SageMaker viene lanciato nella regione segreta AWS. Amazon SageMaker è un servizio di machine learning end-to-end completamente gestito che consente a data scientist, sviluppatori ed esperti di machine learning di creare, addestrare e ospitare rapidamente modelli di machine learning su larga scala. Il servizio accelera considerevolmente tutte le attività di machine learning e consente di aggiungere rapidamente il machine learning alle applicazioni di produzione.

 Vengono lanciati cinque componenti principali per Amazon SageMaker:

• Creazione: ambienti di sviluppo integrati per notebook Jupyter ospitati senza configurazione per attività di esplorazione, pulizia e preparazione dei dati. È possibile eseguirli su tipi di istanze generiche o istanze alimentate da GPU.
• Addestramento dei modelli: servizio distribuito per la creazione, l'addestramento e la validazione di modelli. È possibile utilizzare algoritmi di apprendimento supervisionato e non supervisionato e framework comuni pre-integrati oppure creare un addestramento personalizzato con container Docker. L'addestramento può essere scalato fino a decine di istanze per supportare una creazione di modelli più rapida. I dati di addestramento vengono letti da S3 e gli artefatti del modello vengono inseriti in S3. Gli artefatti del modello sono i parametri del modello che dipendono dai dati, non il codice che consente di effettuare inferenze dal modello. Questa separazione delle responsabilità rende semplice l'implementazione di modelli addestrati su altre piattaforme con Amazon SageMaker.
• Hosting di modelli: un servizio di hosting di modelli con endpoint HTTPS per invocare i modelli e ottenere inferenze in tempo reale. Questi endpoint possono adattarsi per supportare il traffico e consentire di eseguire test A/B su più modelli contemporaneamente. È inoltre possibile creare questi endpoint utilizzando l'SDK integrato oppure fornire configurazioni personalizzate con immagini Docker. Amazon SageMaker Neo: consente ai clienti di addestrare i modelli una volta ed eseguirli ovunque con un miglioramento delle prestazioni fino a sette volte superiore. Le applicazioni in esecuzione sui dispositivi collegati con le estremità sono particolarmente sensibili alle prestazioni dei modelli di apprendimento automatico. Richiedono decisioni a bassa latenza e vengono spesso distribuiti su un ampio numero di piattaforme hardware diverse.
• Amazon SageMaker Neo compila i modelli per piattaforme hardware specifiche, ottimizzandone automaticamente le prestazioni e consentendo di raggiungere prestazioni fino a sette volte superiori senza perdita di accuratezza. Di conseguenza gli sviluppatori non devono più dedicare tempo a mettere a punto i modelli addestrati per ciascuna piattaforma hardware (risparmiando tempo e costi). SageMaker Neo supporta piattaforme hardware NVIDIA, Intel, Xilinx, Cadence e Arm e framework più usati come Tensorflow, Apache MXNet e PyTorch.a
• Amazon SageMaker GroundTruth: è uno strumento che si può usare se si desidera la flessibilità di creare e gestire flussi di lavoro personalizzati per l'etichettatura dei dati e il personale dedicato. SageMaker Ground Truth è un servizio di etichettatura dei dati che semplifica tale processo e offre la possibilità di utilizzare fornitori di terze parti o il proprio personale interno. Hai anche la possibilità di generare dati sintetici etichettati senza raccogliere ed etichettare manualmente dati reali. SageMaker Ground Truth può generare centinaia di migliaia di immagini sintetiche etichettate automaticamente al posto tuo.

I contenuti di questo post sono forniti unicamente a titolo informativo. Per ulteriori informazioni su Amazon Sagemaker nel cloud della regione segreta AWS, contattaci.