Amazon SageMaker

Creazione, formazione e distribuzione di modelli di apprendimento automatico su vasta scala

Amazon SageMaker è un servizio completamente gestito che consente a sviluppatori e data scientist di creare, formare e distribuire in modo rapido e semplice modelli di apprendimento automatico a qualsiasi livello. Amazon SageMaker rimuove tutti gli ostacoli che normalmente rallentano gli sviluppatori che desiderano utilizzare l'apprendimento automatico.

L'apprendimento automatico appare spesso molto più difficoltoso del dovuto per la maggior parte degli sviluppatori perché il processo di costruzione e formazione di modelli, nonché la loro successiva distribuzione in produzione, risulta troppo complicato e troppo lento. In primo luogo, bisogna raccogliere e preparare i dati di formazione per scoprire quali elementi del set di dati sono importanti. Quindi, bisogna selezionare quale algoritmo e framework si intende utilizzare. Una volta deciso l'approccio, bisogna insegnare al modello come effettuare previsioni mediante una formazione che richiede una grande quantità di calcolo. Successivamente, occorre mettere a punto il modello in modo che fornisca le migliori previsioni possibili, il che è spesso un compito manuale e gravoso. Una volta sviluppato un modello completamente istruito, bisogna integrarlo all'interno dell'applicazione e distribuire tale applicazione su un'infrastruttura per il dimensionamento. Tutte queste operazioni richiedono grandi competenze specializzate, accesso a notevoli quantità di funzionalità di calcolo e storage e molto tempo per sperimentare e ottimizzare ogni componente del processo. In definitiva, non sorprende che l'intero processo sia al di fuori della portata di molti sviluppatori.

Amazon SageMaker elimina la complessità che frena il successo dello sviluppatore con ciascuna di queste fasi. Amazon SageMaker include moduli che puoi utilizzare insieme o separatamente per creare, formare e distribuire i tuoi modelli di machine learning.

Presentazione di Amazon SageMaker

Come funziona

Creazione

Amazon SageMaker semplifica la creazione di modelli ML e la loro preparazione per l'apprendimento fornendoti tutto il necessario per connetterti rapidamente ai dati di apprendimento e per selezionare e ottimizzare l'algoritmo e il framework migliori per la tua applicazione. Amazon SageMaker include notebook Jupyter in hosting, che facilitano esplorazione e visualizzazione dei dati di addestramento memorizzati in Amazon S3. Sarà possibile connettersi direttamente ai dati in S3 o utilizzare AWS Glue per trasferire i dati da Amazon RDS, Amazon DynamoDB e Amazon Redshift in S3 per l'analisi in un notebook.

Per semplificare la scelta dell'algoritmo, Amazon SageMaker include gli algoritmi di apprendimento automatico più diffusi, preinstallati e ottimizzati per offrire prestazioni fino a 10 volte migliori rispetto a quelle che è possibile ottenere eseguendoli in altri ambienti. Amazon SageMaker viene inoltre preconfigurato per eseguire TensorFlow, Apache MXNet e Chainer in contenitori Docker. Puoi inoltre scaricare questi contenitori open source nell'ambiente locale e utilizzare Amazon SageMaker Python SDK per testare gli script in modalità locale prima di utilizzare Amazon SageMaker per l'addestramento o l'hosting del modello in produzione. Avrai infine l'opzione di utilizzare il tuo framework.

Formazione

Potrai iniziare a formare il tuo modello con un solo clic nella console Amazon SageMaker. Amazon SageMaker gestisce tutta l'infrastruttura sottostante al tuo posto e può essere utilizzato senza difficoltà per formare modelli nell'ordine dei petabyte. Per rendere il processo di formazione ancora più rapido e semplice, Amazon SageMaker è in grado di mettere a punto automaticamente il tuo modello per raggiungere il massimo livello possibile di precisione.

Distribuzione

Dopo che il modello è stato addestrato e messo a punto, Amazon SageMaker ne semplifica la distribuzione in produzione, permettendo di iniziare a generare previsioni (un processo chiamato inferenza) su dati in tempo reale o in batch. Amazon SageMaker distribuisce il modello su un cluster di istanze Amazon SageMaker ML distribuite in più zone di disponibilità per ottenere prestazioni e disponibilità elevate. Amazon SageMaker inoltre include funzionalità di test A/B integrate per permetterti di testare il tuo modello e di provarne diverse versioni per ottenere i risultati migliori.

Amazon SageMaker elimina l'impegnativa attività di machine learning e ti permette di creare, formare e distribuire rapidamente e facilmente i modelli di machine learning.

Vantaggi

Passa rapidamente alla produzione con l'apprendimento automatico

Amazon SageMaker riduce notevolmente la quantità di tempo necessaria per istruire, mettere a punto e distribuire modelli di machine learning. Amazon SageMaker gestisce e automatizza tutte le sofisticate tecniche di formazione e messa a punto, per permetterti di mettere rapidamente in produzione i modelli.

Scegli qualsiasi framework o algoritmo

Amazon SageMaker supporta algoritmi e framework di tutte le macchine, per consentirti di utilizzare la tecnologia con cui hai già familiarità. Apache MXNet, TensorFlow e Chainer sono preinstallati e Amazon SageMaker offre un'ampia gamma di algoritmi di apprendimento automatico integrati e ad alte prestazioni. Se desideri eseguire la formazione con un framework o un algoritmo alternativi, puoi introdurre il tuo in un contenitore Docker.

Formazione e distribuzione con un solo clic

Amazon SageMaker ti consente di iniziare a istruire il tuo modello con un solo clic nella console o con una semplice chiamata API. Al completamento della formazione e quando sarai pronto a distribuire il tuo modello, potrai lanciarlo con un semplice clic nella console Amazon SageMaker.

Integrazione semplificata con il flusso di lavoro esistente

Amazon SageMaker è progettato in tre moduli da utilizzare insieme o in modo indipendente, nell'ambito di qualsiasi flusso di lavoro ML esistente che puoi avere già implementato.

Facile accesso a modelli istruiti

Amazon SageMaker facilita l'integrazione di modelli di machine learning nelle tue applicazioni, fornendo un endpoint HTTPS che può essere richiamato da qualsiasi applicazione.

Ottimizzata per prestazioni ottimali

In Amazon SageMaker sono preconfigurate le versioni più recenti di TensorFlow, Apache MXNet e Chainer, con il supporto alla libreria CUDA9 per ottenere le massime prestazioni dalle GPU NVIDIA. Quando sono in uso le istanze P3, che eseguono GPU NVIDIA Volta V100, Amazon SageMaker permette di formare modelli di apprendimento profondo con una rapidità senza pari.

Clienti di SageMaker

Addestramento con i migliori framework di apprendimento profondo

Con Amazon SageMaker, è possibile addestrare i modelli con qualsiasi framework di apprendimento profondo. È possibile importare container Docker con le librerie e i framework più popolari, ad esempio Caffe2, PyTorch, Microsoft Cognitive Toolkit (CNTK), Chainer e Torch; Amazon SageMaker gestirà automaticamente l'infrastruttura necessaria per la formazione dei modelli.

TensorFlow
Caffe2
Apache MXNet
Chainer
Keras
Torch
Gluon
Microsoft Cognitive Toolkit
PyTorch

Casi d'uso

Annunci pubblicitari mirati

Utilizzando Amazon SageMaker in combinazione con altri servizi AWS, potrai ottimizzare il tuo ritorno sui costi pubblicitari. Amazon SageMaker è in grado di istruire e distribuire facilmente modelli di machine learning in grado di eseguire un targeting più efficace di annunci online, per un migliore coinvolgimento dei clienti e conversione. Sistemi di raccomandazioni, previsioni sulle percentuali di clic, segmentazione della clientela e modelli di incremento del valore complessivo possono tutti essere istruiti nell'ambiente serverless e distribuito di Amazon SageMaker. Una volta costruiti, i modelli possono essere inseriti in endpoint di Auto Scaling a bassa latenza, o trasferiti in sistemi di offerte in tempo reale.

Previsione delle insolvenze di credito

Amazon SageMaker facilita la previsione della probabilità di insolvenza di credito, un problema comune dell'apprendimento automatico. Amazon SageMaker si integra strettamente con i framework analitici esistenti, come Amazon Redshift, Amazon EMR e AWS Glue, permettendoti di pubblicare grandi set di dati diversificati in un data lake di Amazon S3 e quindi di trasformarli rapidamente, creare modelli di machine learning ed eseguirne immediatamente l'hosting per le previsioni online.

IoT e machine learning industriali

IoT e machine learning industriali possono abilitare previsioni in tempo reale per prevenire guasti di macchinari o la pianificazione di interventi di manutenzione, per ottenere livelli di efficienza superiori.  È possibile generare una copia digitale (o replica) di asset fisici, processi o sistemi sotto forma di modelli, per prevedere la manutenzione o ottimizzare l'output di macchinari complessi o processi industriali. Il modello può essere aggiornato in modo continuo per permettergli di apprendere quasi in tempo reale qualsiasi cambiamento.

Catena di fornitura e previsione della domanda

Amazon SageMaker offre l'infrastruttura e gli algoritmi necessari per sviluppare previsioni di vendite per qualsiasi prodotto nell'ambiente dell'e-commerce. Solo con serie storiche e dati relativi alla categoria del prodotto, Amazon SageMaker è in grado di rilevare variazioni stagionali, trend e prodotti simili per offrire previsioni accurate, anche di nuovi prodotti.

Previsioni sui clic delle inserzioni

Amazon SageMaker fornisce implementazioni CPU sia su singole macchine sia distribuite di algoritmi XGBoost, molto utili in diversi casi d'uso di classificazione, regressione e posizionamento, ad esempio nella creazione di previsioni sulla percentuale di clic delle inserzioni. I sistemi di questo tipo sono vitali per la maggior parte dei sistemi di annunci online, perché è estremamente importante ottenere previsioni di percentuali di clic più accurate possibili in modo da offrire agli utenti finali un'esperienza ottimale. Grazie all'algoritmo XGBoost, è possibile eseguire un programma di previsione in tempo reale che restituisca risultati pesati. Quindi è possibile determinare se conviene o meno inoltrare annunci di un determinato inserzionista e migliorare le previsioni di percentuali di clic nella visualizzazione di annunci.

Previsioni della qualità dei contenuti

Amazon SageMaker dispone di una serie di strumenti per l'elaborazione preliminare e l'individuazione di strutture all'interno di un testo, così da utilizzare le informazioni ottenute per fornire previsioni sulla qualità di un contenuto. È possibile generare word embedding per individuare termini semanticamente e sintatticamente simili in grandi volumi di testo e raggruppare insieme parole simile per evitare poca concentrazione. Quindi, i modelli di argomento avanzati di Amazon SageMaker permettono di raggruppare in cluster indipendenti documenti simili. Infine, è possibile creare modelli di classificazione indipendenti per cluster sui dati dei termini raggruppati di dimensioni minori, per determinare se è necessaria la moderazione dei documenti.

Scopri di più sulle caratteristiche di Amazon SageMaker

Visita la pagina delle caratteristiche