Amazon SageMaker AI, daha hızlı yapay zeka geliştirme için sunucusuz MLflow özelliğini duyurdu
Amazon SageMaker AI artık yapay zeka modeli geliştirme görevlerini desteklemek için dinamik olarak ölçeklenen sunucusuz bir MLflow özelliği sunuyor. Yapay zeka geliştiricileri MLflow ile altyapı kurulumunu beklemeden deneyleri izlemeye, karşılaştırmaya ve değerlendirmeye başlayabilir.
Sektörlerdeki müşteriler yapay zeka gelişimlerini hızlandırdıkça denemeleri izlemek, davranışları gözlemlemek ve yapay zeka modellerini, uygulamalarını ve temsilci performansını değerlendirmek için özelliklere ihtiyaç duyuyor. Ancak MLflow altyapısını yönetmek, yöneticilerin izleme sunucularını sürekli olarak bakımını yapmasını ve ölçeklendirmesini, karmaşık kapasite planlama kararları vermesini ve veri yalıtımı için ayrı bulut sunucuları dağıtmasını gerektirir. Bu altyapı yükü kaynakları temel yapay zeka geliştirmeden uzaklaştırır ve ekip üretkenliğini ve maliyet etkinliğini etkileyen darboğazlar yaratır.
Bu güncelleştirmeyle MLflow artık zorlu ve öngörülemeyen model geliştirme görevlerinde hızlı performans sunmak için dinamik olarak ölçekleniyor, ardından boş sürede ölçeği azaltıyor. Yöneticiler ayrıca kuruluş sınırları arasında işbirliğini basitleştirmek için Kaynak Erişim Yöneticisi (RAM) aracılığıyla hesaplar arası erişim ayarlayarak üretkenliği artırabilir.
Amazon SageMaker AI'daki sunucusuz MLflow özelliği ek ücret ödemeden sunulur ve SageMaker AI JumpStart, SageMaker Model Kayıt Defteri ve SageMaker İşlem Hatları gibi tanıdık Amazon SageMaker AI modeli geliştirme özellikleriyle yerel olarak çalışır. Müşteriler, otomatik sürüm güncellemeleriyle Amazon SageMaker AI'da MLflow'un en son sürümüne erişebilir.
MLflow özellikli Amazon SageMaker AI artık belirli AWS Bölgelerinde kullanılabilir. Daha fazla bilgi edinmek için Amazon SageMaker AI kullanım kılavuzuna ve AWS Haber Blogu'na bakın.