Publicado: Nov 22, 2022
Agora, o Amazon SageMaker Autopilot oferece insights sobre o fluxo de trabalho subjacente de cada teste de um experimento do SageMaker Autopilot iniciado com o modo de treinamento Ensemble. O SageMaker Autopilot classifica uma lista de modelos de machine learning (ML) por latência de inferência (ou seja, o tempo necessário para obter um resultado de previsão de um endpoint em tempo real no qual o modelo é implantado) e métricas objetivas, como exatidão, precisão, recall e Area Under the Curve (AUC – Área sob a curva) na tabela de classificação do modelo. O SageMaker Autopilot cria, treina e ajusta automaticamente os melhores modelos de ML com base em dados, permitindo que você mantenha controle e visibilidade totais.
Recentemente, o Amazon SageMaker Autopilot adicionou um novo modo de treinamento Ensemble baseado no AutoGluon. No modo de treinamento Ensemble, são executados testes com combinações diferentes de um subconjunto de algoritmos e parâmetros de configuração do AutoGluon. Até agora, somente um único modelo de cada execução de teste era retornado como saída, classificado pela métrica objetiva na tabela de classificação do modelo. A partir de hoje, experimentos do SageMaker Autopilot com o modo de treinamento Ensemble oferecerão maior visibilidade sobre o experimento do AutoML, listando todo o conjunto subjacente de modelos básicos de alunos executados em cada teste. Além disso, os experimentos usarão as melhores métricas objetivas e a latência de inferência mais baixa para selecionar o melhor candidato a modelo para um experimento. Por exemplo, se dois candidatos a modelo para um tipo de problema de classificação binária têm uma métrica objetiva de pontuação f1 de 0,678, mas uma latência de inferência de respectivamente 0,43 e 0,39 segundos, o SageMaker Autopilot classificará o segundo como o melhor modelo na tabela de classificação.
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 SageMaker Studio, consulte a documentação.
O recurso de métrica de latência de inferência e a visibilidade sobre modelos básicos de aluno já estão disponíveis em todas as regiões em que o SageMaker Autopilot é oferecido. Para começar a usar, consulte Como criar um experimento com o Autopilot e a referência de API do SageMaker Autopilot. Para saber mais, acesse a página de produto do SageMaker Autopilot.