Publicado: Nov 17, 2022
O Amazon SageMaker Autopilot já oferece suporte à inferência em lote/offline no Amazon SageMaker Studio para que você possa executar previsões em lote em modelos de machine learning (ML). O SageMaker Autopilot cria, treina e ajusta automaticamente os melhores modelos de ML com base em seus dados, permitindo que você mantenha controle e visibilidade totais.
Anteriormente, se você quisesse realizar inferência offline nos modelos de ML criados pelo Amazon SageMaker Autopilot, primeiro teria que obter as definições candidatas do SageMaker Autopilot usando a API DescribeAutoMLJob e, em seguida, usar essas definições de contêiner para criar um modelo do SageMaker com a API CreateModel e, eventualmente, criar o trabalho de transformação do SageMaker usando a API CreateTransformJob, que pode ser invocada programaticamente para obter inferências em lote. A partir de hoje, você pode selecionar qualquer um dos modelos do SageMaker Autopilot e prosseguir com a inferência em lote no SageMaker Studio. Para executar previsões em lote, você pode fornecer configurações de dados de entrada e saída e criar um trabalho de transformação em lote. O trabalho de transformação após a conclusão produzirá o local do Amazon S3 das previsões. Agora você pode realizar inferências offline com facilidade no Amazon SageMaker Studio sem precisar alternar para um modo programático.
Para começar a usar, atualize o Amazon SageMaker Studio para a versão mais recente e execute o SageMaker Autopilot no SageMaker Studio Launcher ou usando as APIs. Para saber mais sobre como atualizar o Studio, consulte a documentação.
A inferência em lote no SageMaker Autopilot agora está disponível em todas as regiões, exceto na China, onde o SageMaker Autopilot é oferecido. Para começar a usar, consulte a documentação sobre como criar um experimento no Autopilot e a referência de API do SageMaker Autopilot. Para saber mais, acesse a página de produto do SageMaker Autopilot.