Amazon улучшает SageMaker

Компания Amazon добавила восемь новых функций в Amazon SageMaker, свой комплексный сервис машинного обучения (ML).

Amazon SageMaker - это полностью управляемая платформа, которую можно использовать для построения, обучения и развертывания моделей машинного обучения любого масштаба. Она включает в себя размещенные блокноты Jupyter для изучения и визуализации данных обучения, хранящихся в Amazon S3. Вы можете напрямую подключаться к данным в S3 или использовать AWS Glue для перемещения данных из Amazon RDS, Amazon DynamoDB и Amazon Redshift в S3 для анализа в вашем блокноте.

Первое улучшение - добавление карточек моделей, которые можно использовать для документирования и просмотра информации о модели. Также появилась новая панель Model Dashboard, которая позволяет отслеживать модели, контролировать производительность и просматривать исторические данные.

Для разработчиков наиболее интересным дополнением является улучшенная геопространственная поддержка, позволяющая использовать спутниковые данные и данные о местоположении для составления прогнозов. По словам Amazon, хотя большинство получаемых данных содержит геопространственную информацию, она, как правило, не используется, поскольку с геопространственными данными сложно работать, а их размер зачастую может составлять петабайты. Это усугубляется тем, что клиенты обычно дополняют свои собственные данные сторонними источниками, такими как спутниковые снимки или картографические данные. До сих пор разработчикам приходилось начинать с написания кода для разделения наборов данных на управляемые подмножества, а затем объединять эти подмножества для корреляции данных и прогнозов ML-модели.

Теперь в Amazon SageMaker есть инструменты для добавления внешних данных, обучения геопространственных моделей и визуализации результатов с помощью API со встроенными операторами для объединения этих наборов данных с собственными данными. Amazon SageMaker также поставляется с предварительно обученными моделями глубокого обучения для использования в сельском хозяйстве, для мониторинга территорий после стихийных бедствий и улучшения городского планирования. После обучения встроенный инструмент визуализации отображает данные на карте, чтобы раскрыть новые прогнозы.

SageMaker также получил новые инструменты подготовки данных в Amazon SageMaker Studio Notebooks, которые можно использовать для визуального контроля и решения проблем с качеством данных.

Также добавлена автоматическая проверка моделей, чтобы пользователи могли тестировать новые модели с помощью запросов на вывод в режиме реального времени.

Amazon SageMaker доступен уже сейчас.