Publicado: Dec 3, 2019
O Amazon SageMaker Debugger é um novo recurso do Amazon SageMaker que fornece informações completas sobre o processo de treinamento dos modelos de machine learning (ML), automatizando a captura e análise de dados de execuções de treinamento em tempo real, sem alterações de código.
O treinamento de modelos de ML é uma tarefa complexa, iterativa e demorada, além de exigir várias etapas. Durante o treinamento, os modelos de ML aprendem padrões nos dados de treinamento para fazer previsões precisas. Essa aprendizagem ocorre por meio de várias iterações dos dados e do ajuste dos valores dos parâmetros para cada iteração. É um desafio garantir que um modelo esteja aprendendo progressivamente os valores corretos dos diferentes parâmetros. Além disso, não é fácil analisar e depurar as características do modelo sem criar ferramentas adicionais, tornando todo o processo complicado.
O Amazon SageMaker Debugger facilita muito a análise e a depuração das características do modelo durante o treinamento, usando a interface visual do Amazon SageMaker Studio. Quando são detectadas anomalias, o SageMaker Debugger envia alertas para que os desenvolvedores tomem medidas corretivas, reduzindo o tempo necessário para depurar modelos de dias para minutos. Os dados de depuração permanecem na conta da AWS do cliente, permitindo que o SageMaker Debugger seja usado para a maioria dos aplicativos sensíveis à privacidade.
O Amazon SageMaker Debugger já está disponível. Para saber mais, leia a publicação do blog aqui e consulte a documentação para começar.