AWS представляє інструменти машинного навчання (ML) для обробки даних у хмарі

Перегляньте сесії за запитом від саміту Low-Code/No-Code Summit, щоб дізнатися, як успішно впроваджувати інновації та підвищувати ефективність шляхом вдосконалення та масштабування громадянських розробників. Переглянути зараз.

Робочі навантаження штучного інтелекту (ШІ) і машинного навчання (ML) можуть виконуватися в будь-якій кількості місць, зокрема локально, периферійно, вбудовано в пристрої та в хмарі.

Служба Amazon Web Services (AWS) сподівається, що організації частіше обиратимуть хмару, де вона пропонує все більший спектр послуг. Сьогодні на заході AWS re:invent 2022 у Лас-Вегасі компанія детально розповіла про елементи своєї стратегії AI/ML і оголосила про запаморочливий набір оновлень функцій і нових послуг, які допоможуть організаціям краще використовувати хмару для обробки даних.

Наріжним каменем портфоліо AWS AI/ML є пакет послуг SageMaker. Під час основної доповіді на AWS re:invent Свамі Сівасубраманян, віце-президент з баз даних, аналітики та машинного навчання AWS, сказав, що SageMaker дозволяє організаціям створювати, навчати та розгортати моделі машинного навчання практично для будь-яких випадків використання та має інструменти для кожного етапу розробки ML. .

«Десятки тисяч клієнтів використовують моделі SageMaker ML, щоб робити понад трильйон прогнозів на місяць», — сказав Сівасубраманян. «Наші клієнти вирішують складні проблеми за допомогою SageMaker, використовуючи ці дані для створення моделей машинного навчання, починаючи від оптимізації маршрутів для додатків спільного користування до прискорення пошуку ліків».

Подія

Smart Security Summit

Дізнайтеся про важливу роль штучного інтелекту та машинного навчання в кібербезпеці та галузевих практичних прикладах 8 грудня. Підпишіться на безкоштовний абонемент сьогодні.

Зареєструватися зараз Geospatial ML з’являється в SageMaker

Однією з областей, де вдосконалюється набір функцій SageMaker, є розширені можливості геопросторового машинного навчання.

Сівасубраманіан сказав, що геопросторові дані можна використовувати для різноманітних випадків використання. Наприклад, його можна використовувати, щоб допомогти оптимізувати врожайність сільськогосподарських культур, допомогти у плануванні сталого міського розвитку та визначити нове місце чи регіон для відкриття бізнесу.

«Для отримання доступу до високоякісних геопросторових даних для навчання моделей ML потрібна робота з кількома джерелами даних і кількома постачальниками», — сказав він. «Ці набори даних, як правило, великі та неструктуровані, що вимагає виснажливої ​​підготовки даних, перш ніж ви навіть зможете почати писати один рядок коду для створення моделей ML».

Завдяки новій геопросторовій підтримці від SageMaker AWS прагне спростити створення та розгортання моделей для організацій. Сівасубраманян сказав, що нова підтримка дозволить користувачам отримувати доступ до геопросторових даних у SageMaker із різних джерел даних лише кількома клацаннями.

Інструменти підготовки геопросторових даних тепер інтегровані в SageMaker, щоб допомогти користувачам обробляти та збагачувати великі набори даних. Тепер SageMaker також має переваги вбудованих інструментів візуалізації, що дозволяє користувачам аналізувати дані та досліджувати прогнози моделі на інтерактивній карті за допомогою прискореної 3D-графіки.

Сівасубраманян додав, що SageMaker тепер також надає вбудовані попередньо навчені нейронні мережі для прискорення побудови моделей для багатьох поширених геопросторових випадків використання.

Управління ML отримує поштовх

Оскільки організації все більше інтегрують ML у різні процеси, зростає потреба у співпраці між групами.

Створення дозволів і правил керування, які забезпечують спільний доступ до моделі, є ще однією сферою, де AWS прагне допомогти своїм користувачам за допомогою нових функцій у службі Amazon SageMaker ML Governance. Нові послуги включають SageMaker Role Manager, Model Cards і Model Dashboard.

Сівасубраманян сказав, що SageMaker Role Manager допомагає організаціям встановлювати критичні дозволи користувачів за допомогою автоматизованих інструментів створення правил. Сервіс Model Cards полягає у створенні...