Publicado: Dec 3, 2019
O Amazon SageMaker Experiments é um novo recurso que permite organizar, acompanhar e comparar seus experimentos de treinamentos de machine learning no Amazon SageMaker.
Machine learning é um processo iterativo. Você precisa experimentar várias combinações de dados, algoritmos e parâmetros e observar o impacto das alterações incrementas na precisão do modelo. Com o tempo, essa experimentação iterativa pode resultar em centenas e milhares de execuções de treinamentos de modelos e versões de modelos, o que dificulta acompanhar os modelos com melhor performance e as respectivas configurações de entrada. Também é difícil comparar seus experimentos ativos com tentativas anteriores para identificar oportunidades de outras melhorias incrementais.
O Amazon SageMaker Experiments facilita o gerenciamento de seus experimentos em machine learning. Ele acompanha automaticamente as entradas, os parâmetros, as configurações e os resultados de todas as iterações como testes. Você também pode atribuir, agrupar e organizar esses testes em experimentos. O SageMaker Experiments está integrado ao Amazon SageMaker Studio e oferece uma interface visual para você procurar seus experimentos ativos e anteriores, comparar experimentos com importantes métricas de performance e identificar os melhores. O SageMaker Experiments também vem com um Python SDK que torna esses recursos de pesquisa e análise mais facilmente acessíveis em SageMaker Notebooks. Além disso, como o SageMaker Experiments permite acompanhar todas as etapas e artefatos que fizeram parte da criação e certificação de um modelo, é possível verificar rapidamente a linhagem de um modelo ao solucionar problemas na produção ou fazer auditoria dos modelos para fins de conformidade.
O Amazon SageMaker Experiments está disponível em todas as regiões comerciais da AWS no mundo inteiro, onde o Amazon SageMaker está disponível, sem cobranças adicionais. Para saber mais, leia a publicação do blog aqui e consulte a documentação para começar.