Esperimenti Amazon SageMaker
Gestisci in modo efficiente gli esperimenti di machine learning
Piano gratuito
100.000 record di parametri acquisiti al mese, 1 milione di record di parametri recuperati (tramite API) al mese e 100.000 record di parametri archiviati al mese. Il piano gratuito è disponibile per i primi 6 mesi.
Analizza e confronta le iterazioni di addestramento del ML per scegliere il modello con le migliori prestazioni
SageMaker Experiments è un servizio gestito per il monitoraggio e l'analisi di esperimenti di ML su larga scala.
Registra gli esperimenti eseguiti in qualsiasi IDE
Gli esperimenti di ML vengono eseguiti in ambienti diversi come notebook e IDE locali, codice di addestramento in esecuzione nel cloud o IDE gestiti nel cloud come SageMaker Studio. Con SageMaker Experiments, puoi iniziare a tracciare i tuoi esperimenti a livello centrale da qualsiasi ambiente o IDE utilizzando solo poche righe di codice Python semplici per i data scientist.
Gestisci a livello centrale i metadati degli esperimenti di ML
Il processo di sviluppo di un modello di ML prevede la sperimentazione di varie combinazioni di dati, algoritmi e parametri, valutando al contempo l'impatto delle modifiche incrementali sulle prestazioni del modello. Sagemaker Experiments consente di tenere traccia delle iterazioni di ML e salvare automaticamente tutti i metadati correlati come metriche, parametri e artefatti in una posizione centrale.
Valuta gli esperimenti
L'individuazione del modello migliore da più iterazioni richiede l'analisi e il confronto delle prestazioni del modello. SageMaker Experiments fornisce visualizzazioni come grafici a dispersione, grafici a barre e istogrammi. Inoltre, Sagemaker Experiments SDK consente di caricare i dati registrati nel notebook per l'analisi offline.
Costruisci modelli in modo collaborativo
La collaborazione incentrata sul team all'interno dell'organizzazione è fondamentale per un progetto di data science di successo. SageMaker Experiments è integrato con SageMaker Studio e consente ai membri del team di accedere alle stesse informazioni e confermare che i risultati dell'esperimento siano coerenti, semplificando la collaborazione. Usa la funzionalità di ricerca di SageMaker Studio per trovare rapidamente esperimenti pertinenti effettuati in passato.
Riproduci e controlla gli esperimenti di ML
Quando le prestazioni di un modello cambiano, è necessario comprendere la causa principale della modifica. A volte si desidera documentare il processo di sviluppo del modello in modo che possa essere riprodotto e testato facilmente. Sagemaker Experiments consente di accedere e riprodurre il proprio flusso di lavoro di ML a partire dagli esperimenti monitorati.
Come iniziare
Scopri come funziona SageMaker Experiments
Scopri di più sulla gestione degli esperimenti, sulla registrazione dei metadati e sull'analisi.