Amazon SageMaker Experiments já aceita tipos comuns de gráficos para visualização de resultados de treinamento de modelos

O SageMaker Experiments já aceita métricas e gráficos detalhados para ajudar a compreender melhor os resultados de tarefas de treinamento executadas no SageMaker. O Amazon SageMaker Experiments é um recurso no Amazon SageMaker que permite organizar, acompanhar, comparar e avaliar experiências de machine learning (ML). Com este lançamento, você já pode visualizar curvas de precisão e revogação (PR), características de operação do receptor (curva ROC) e matriz de confusão. Essas curvas podem ser usadas para entender falsos positivos/negativos e os pontos de equilíbrio entre performance e precisão para modelos treinados no SageMaker. Também é possível comparar melhor várias execuções de treinamento e identificar o melhor modelo para o caso de uso.

Para começar, use o SDK do Python para registrar em log métricas das avaliações no script de treinamento. Para visualizar os gráficos das avaliações, acesse a guia de gráficos na IU do Experiments no SageMaker Studio. A partir de hoje, esse recurso está disponível em todas as regiões em que o SageMaker é oferecido. Para começar a usar o SageMaker Experiments, consulte a página do produto ou acesse o SageMaker Experiments no SageMaker Studio.