Agora o Automatic Model Tuning com o Amazon SageMaker está disponível para o público. Com esse recurso, o Amazon SageMaker pode ajustar automaticamente seu modelo regulando milhares de combinações diferentes de parâmetros de algoritmo a fim de obter as previsões mais exatas que o modelo é capaz de produzir.

Enquanto ajusta seu modelo para ser mais exato, você precisa alterar duas alavancas importantes: modificar as entradas de dados fornecidas ao modelo (p. ex., usar o logaritmo de um número) e ajustar os parâmetros do algoritmo. Elas são chamadas de hiperparâmetros, e encontrar os valores certos pode ser um desafio. Normalmente, você começa com algo aleatório e vai iterando com ajustes conforme vai vendo o impacto das alterações. O ciclo pode ser longo, dependendo de quantos hiperparâmetros o seu modelo tem.

O Amazon SageMaker simplifica isso oferecendo ajuste automático de modelos como opção durante o treinamento. Na verdade, o Amazon SageMaker usará machine learning para ajustar o modelo de machine learning. Ele funciona aprendendo o que afeta os diferentes tipos de dados que estão no modelo e aplicando esse conhecimento em várias cópias do modelo para localizar rapidamente o melhor resultado possível. Como desenvolvedor ou cientista de dados, isso significa que você só precisa se preocupar com os ajustes que deseja fazer nos dados que alimentarão o modelo, o que reduz bastante a quantidade de preocupações durante o treinamento. Ao iniciar o ajuste automático de modelo, você simplesmente especifica o número de trabalhos de treinamento por meio da API e o Amazon SageMaker cuida do resto.

Agora o Automatic Model Tuning está disponível nas regiões Leste dos EUA (Norte da Virgínia), Leste dos EUA (Ohio), Oeste dos EUA (Oregon), Europa (Irlanda) e Ásia-Pacífico (Tóquio) da AWS. Acesse a página de documentação para mais informações sobre o Automatic Model Tuning e leia a publicação no blog sobre como usar o Automatic Model Tuning em seus trabalhos de treinamento.