AWS 宣布推出六項新的 Amazon SageMaker 功能,包括第一個用于機器學習的完全集成的開發(fā)環(huán)境 (IDE) (Am-ESG跨境

AWS 宣布推出六項新的 Amazon SageMaker 功能,包括第一個用于機器學習的完全集成的開發(fā)環(huán)境 (IDE) (Am

亞馬遜觀察
亞馬遜觀察
2019-12-19
點贊icon 0
查看icon 810

AWS 宣布推出六項新的 Amazon SageMaker 功能,包括第一個用于機器學習的完全集成的開發(fā)環(huán)境 (IDE) (Am

西雅圖--今天在 AWS re:Invent 大會上,Amazon.com 旗下公司(納斯達克股票代碼:AMZN)宣布了六項新的 Amazon SageMaker 功能,包括 Amazon SageMaker Studio,這是第一個完全用于機器學習的集成開發(fā)環(huán)境,使開發(fā)人員能夠更輕松地構(gòu)建、調(diào)試、訓練、部署、監(jiān)控和操作自定義機器學習模型。今天的公告為開發(fā)人員提供了強大的新工具,例如彈性筆記本、實驗管理、自動模型創(chuàng)建、調(diào)試和分析以及模型漂移檢測,并將它們封裝在第一個完全集成的機器學習開發(fā)環(huán)境 (IDE) Amazon SageMaker Studio 中。要開始使用 Amazon SageMaker,請訪問: 。

“隨著成千上萬的客戶使用 Amazon SageMaker 來消除構(gòu)建、培訓和部署自定義機器學習模型的障礙,他們也遇到了大規(guī)模運營的新挑戰(zhàn),他們繼續(xù)向 AWS 提供有關(guān)他們的下一組挑戰(zhàn)”

Amazon SageMaker 是一項完全托管的服務,可以消除機器學習過程中每個步驟的繁重工作。數(shù)以萬計的客戶使用 Amazon SageMaker 來幫助加速他們的機器學習部署,包括 ADP、AstraZeneca、Avis、Bayer、British Airways、Cerner、Convoy、Emirates NBD、Gallup、Georgia-Pacific、GoDaddy、Hearst、Intuit、LexisNexis、Los洛杉磯快船隊、NuData(萬事達卡公司)、松下航空電子、環(huán)球郵報和 T-Mobile。自推出以來,AWS 定期向 Amazon SageMaker 添加新功能,僅在去年就提供了 50 多項新功能,包括用于構(gòu)建高度準確的帶注釋訓練數(shù)據(jù)集的 Amazon SageMaker Ground Truth、幫助開發(fā)人員使用稱為強化學習和 SageMaker Neo,它使開發(fā)人員能夠訓練一次算法并部署在任何硬件上。這些功能已幫助更多開發(fā)人員構(gòu)建自定義機器學習模型。但是,正如 Amazon SageMaker 消除了采用機器學習的障礙一樣,客戶大規(guī)模利用機器學習的愿望只會增加。

Amazon SageMaker 使開發(fā)出色機器學習模型的許多構(gòu)建塊步驟變得更加容易。但很多時候,構(gòu)建真正偉大的模型并隨著業(yè)務的發(fā)展而成功發(fā)展需要在這些構(gòu)建塊之間進行大量優(yōu)化,并且需要了解哪些工作或不工作以及為什么工作。這些挑戰(zhàn)并非機器學習所獨有,軟件開發(fā)通常也是如此。然而,在過去的幾十年中,已經(jīng)構(gòu)建了許多工具,如 IDE,有助于測試、調(diào)試、部署、監(jiān)控和分析,以幫助解決軟件開發(fā)人員面臨的挑戰(zhàn)。但由于其相對不成熟,這些相同的工具根本不存在于機器學習中——直到現(xiàn)在。

今天的公告包括重要的功能,使客戶能夠更輕松地構(gòu)建、訓練、解釋、檢查、監(jiān)控、調(diào)試和運行自定義機器學習模型:

  • 機器學習 IDE: Amazon SageMaker Studio 將用于機器學習的所有組件集中在一個地方。就像 IDE 一樣,開發(fā)人員可以在 Amazon SageMaker Studio 中查看和組織他們的源代碼、依賴項、文檔和其他應用程序資產(chǎn)(例如用于移動應用程序的圖像)。今天,機器學習工作流程有很多組件,其中許多都帶有自己的一套工具,這些工具在今天是分開存在的。 Amazon SageMaker Studio IDE 為今天宣布的所有 Amazon SageMaker 功能和整個機器學習工作流程提供單一界面。 Amazon SageMaker Studio 使開發(fā)人員能夠創(chuàng)建項目文件夾、組織筆記本和數(shù)據(jù)集,以及協(xié)作討論筆記本和結(jié)果。 Amazon SageMaker Studio 使從單個界面構(gòu)建、訓練、解釋、檢查、監(jiān)控、調(diào)試和運行機器學習模型變得更簡單、更快捷。
  • 彈性筆記本: Amazon SageMaker Notebooks 提供具有彈性計算的一鍵式 Jupyter 筆記本,可以在幾秒鐘內(nèi)啟動。筆記本包含運行或重新創(chuàng)建機器學習工作流所需的一切。在今天之前,要查看或運行筆記本,開發(fā)人員需要在 Amazon SageMaker 中啟動一個計算實例來為筆記本提供動力。如果他們發(fā)現(xiàn)他們需要更多的計算能力,他們必須啟動一個新實例、轉(zhuǎn)移筆記本并關(guān)閉舊實例。而且,由于 notebook 與計算實例耦合,并且 notebook 通常存在于開發(fā)人員的工作站上,因此沒有簡單的方法來共享 notebook 和協(xié)作迭代。 Amazon SageMaker Notebooks 提供彈性 Jupyter 筆記本,允許開發(fā)人員輕松調(diào)高或調(diào)低為筆記本提供動力的計算量(包括 GPU 加速),更改會在后臺自動進行,而不會中斷開發(fā)人員的工作。開發(fā)人員不再需要浪費時間關(guān)閉舊實例并在新實例中重新創(chuàng)建所有工作。這樣可以更快地開始構(gòu)建模型。 Amazon SageMaker Notebooks 還將通過自動復制特定環(huán)境和庫依賴項來實現(xiàn)筆記本的一鍵共享。這將使協(xié)作構(gòu)建模型變得更加容易,因為工程師將能夠輕松地將他們的工作提供給其他工程師,以便他們在現(xiàn)有工作的基礎(chǔ)上進行構(gòu)建。
  • 實驗管理: Amazon SageMaker Experiments 幫助開發(fā)人員組織和跟蹤機器學習模型的迭代。機器學習通常需要多次迭代,旨在隔離和測量更改特定輸入的增量影響。在這些迭代過程中,開發(fā)人員會產(chǎn)生數(shù)百個工件,例如模型、訓練數(shù)據(jù)和參數(shù)設(shè)置。如今,他們不得不依靠電子表格等繁瑣的機制來跟蹤這些實驗,并手動對這些工件進行分類,以了解它們對實驗的影響。 Amazon SageMaker 實驗 通過自動捕獲輸入?yún)?shù)、配置和結(jié)果來幫助開發(fā)人員管理這些迭代,并將它們存儲為“實驗”。開發(fā)者可以瀏覽活躍的實驗,根據(jù)特征搜索之前的實驗,查看之前的實驗結(jié)果,直觀地比較實驗結(jié)果。而且,Amazon SageMaker Experiments 還保留了完整的實驗譜系,因此如果模型開始偏離其預期結(jié)果,開發(fā)人員可以及時返回并檢查其工件。 Amazon SageMaker Experiments 使開發(fā)人員更容易更快地迭代和開發(fā)高質(zhì)量模型。
  • 調(diào)試和分析: Amazon SageMaker 調(diào)試器 允許開發(fā)人員調(diào)試和分析模型訓練,以提高準確性、減少訓練時間并促進對機器學習模型的更好理解。今天,訓練過程在很大程度上是不透明的,訓練時間可能很長且難以優(yōu)化,“黑匣子”效應使得模型難以解釋和解釋。借助 Amazon SageMaker Debugger,在 Amazon SageMaker 中訓練的模型會自動發(fā)出關(guān)鍵指標,這些指標會被收集并在 Amazon SageMaker Studio 中或通過 Amazon SageMaker Debugger 的 API。這些指標提供有關(guān)訓練準確性和性能的實時反饋。當檢測到訓練問題時,Amazon SageMaker 調(diào)試器 提供警告和補救建議。 Amazon SageMaker 調(diào)試器 還可以幫助開發(fā)人員解釋模型是如何工作的,這是朝著神經(jīng)網(wǎng)絡可解釋性邁出的早期一步。
  • 自動建模: Amazon SageMaker Autopilot 提供業(yè)界首個自動化機器學習功能,無需開發(fā)人員放棄對其模型的控制和可見性。今天的自動化機器學習方法在創(chuàng)建初始模型方面做得足夠好,但是對于開發(fā)人員來說,他們沒有關(guān)于模型是如何創(chuàng)建的或其中包含什么的數(shù)據(jù)。所以,如果模型是平庸的,而開發(fā)人員想要改進它,他們就不走運了。此外,今天的自動機器學習服務只為客戶提供一種簡單的模型。有時客戶愿意做出取舍,例如犧牲一個模型版本的一點準確性,以換取做出更低延遲預測的變體,但鑒于客戶只有一個模型可供選擇,因此沒有這樣的選擇. Amazon SageMaker Autopilot 自動檢查原始數(shù)據(jù)、應用特征處理器、選擇最佳算法集、訓練多個模型、調(diào)整它們、跟蹤它們的性能,然后根據(jù)性能對模型進行排名——只需單擊幾下即可。結(jié)果是對客戶可以部署的最佳性能模型的推薦,但只需要通常訓練它所需的時間和精力的一小部分,并且可以完全了解模型的創(chuàng)建方式和其中的內(nèi)容。缺乏機器學習經(jīng)驗的人可以使用 Amazon SageMaker Autopilot 輕松地僅根據(jù)數(shù)據(jù)生成模型,或者經(jīng)驗豐富的開發(fā)人員可以使用它來快速開發(fā)團隊可以進一步迭代的基線模型。 Amazon SageMaker Autopilot 還為開發(fā)人員提供了多達 50 種不同的模型,可以在 Amazon SageMaker Studio 中進行檢查,因此開發(fā)人員可以為他們的使用案例選擇最佳模型,并可以根據(jù)他們選擇優(yōu)化的因素進行考慮。
  • 概念漂移檢測: Amazon SageMaker 模型監(jiān)視器 允許開發(fā)人員檢測和修復概念漂移。今天,影響生產(chǎn)中部署模型準確性的一大因素是,用于生成預測的數(shù)據(jù)是否開始與用于訓練模型的數(shù)據(jù)不同(例如,不斷變化的經(jīng)濟條件推動新利率影響購房預測,不同溫度、濕度和氣壓的季節(jié)變化會影響對預測的設(shè)備維護計劃等的信心)。如果數(shù)據(jù)開始出現(xiàn)差異,則可能導致概念漂移,從而模型用于進行預測的模式不再適用。 Amazon SageMaker 模型監(jiān)控器自動 檢測部署模型中的概念漂移。 Amazon SageMaker 模型監(jiān)視器 在訓練期間創(chuàng)建一組關(guān)于模型的基線統(tǒng)計數(shù)據(jù),并將用于進行預測的數(shù)據(jù)與訓練基線進行比較。 Amazon SageMaker 模型監(jiān)視器 在檢測到漂移時提醒開發(fā)人員并幫助他們直觀地確定根本原因。開發(fā)人員可以使用 Amazon SageMaker Model Monitor 的 開箱即用的功能來立即檢測漂移,或者他們可以為 Amazon SageMaker 模型監(jiān)視器編寫自己的規(guī)則 監(jiān)視。 Amazon SageMaker 模型監(jiān)視器 使開發(fā)人員更容易調(diào)整訓練數(shù)據(jù)或算法以適應概念漂移。

“隨著成千上萬的客戶使用 Amazon SageMaker 來消除構(gòu)建、培訓和部署自定義機器學習模型的障礙,他們也遇到了大規(guī)模運營的新挑戰(zhàn),他們繼續(xù)向 AWS 提供有關(guān)他們的下一組挑戰(zhàn),”AWS 亞馬遜機器學習副總裁 Swami Sivasubramanian 說。 “今天,我們宣布推出一組工具,讓開發(fā)人員更輕松地構(gòu)建、訓練、解釋、檢查、監(jiān)控、調(diào)試和運行自定義機器學習模型。多年來,軟件開發(fā)人員已經(jīng)知道并使用其中許多概念來構(gòu)建、測試和維護軟件。但是,開發(fā)人員無法使用它們來構(gòu)建機器學習模型。今天,通過這些發(fā)布,我們首次將這些概念帶給機器學習開發(fā)人員?!?/p>

Autodesk 是為建筑、工程/施工、產(chǎn)品設(shè)計和制造行業(yè)的客戶提供軟件的全球領(lǐng)導者。 Autodesk 的軟件產(chǎn)品包括 AutoCAD(繪圖軟件)和 BIM 360(用于項目交付和施工文檔管理的云平臺)。 “在 Autodesk,我們利用機器學習來增強我們的設(shè)計和制造解決方案,從而為我們的客戶提供更大程度的創(chuàng)作自由。衍生式設(shè)計技術(shù)可以產(chǎn)生數(shù)百個符合設(shè)計標準的優(yōu)化解決方案,”Autodesk 機器學習工程師 Alexander Carlson 說。 “使用機器學習,我們開發(fā)了一種新的過濾器,可以識別和分組具有相似視覺特征的結(jié)果,從而更容易找到最佳選擇。這個視覺相似度過濾器將始終適應它所觀察的內(nèi)容,從而更容易、更有效地找到完美的設(shè)計。 Amazon SageMaker Debugger 通過幫助關(guān)閉反饋循環(huán)、節(jié)省寶貴的數(shù)據(jù)科學家時間并將培訓時間減少 75% 以上,讓我們能夠更有效地迭代此模型。”

Change Healthcare 是一家領(lǐng)先的獨立醫(yī)療保健技術(shù)公司,提供數(shù)據(jù)和分析驅(qū)動的解決方案,以改善美國醫(yī)療保健系統(tǒng)的臨床、財務和患者參與結(jié)果。 “在 Change Healthcare,我們一直在與我們的醫(yī)療保健提供者合作,以消除醫(yī)療保健索賠處理中的低效問題。我們經(jīng)常從我們的醫(yī)療保健提供者那里收到標簽不可讀的索賠表格,并且手動修復這些表格會增加索賠解決過程的時間和成本。我們開發(fā)了一種多層深度學習模型,可以將標簽從良好的形式疊加到不可讀的形式中,”Change Healthcare 人工智能工程高級總監(jiān) Jayant Thomas 說。 “Amazon SageMaker 調(diào)試器通過快速迭代幫助我們提高了模型的準確性,從而幫助我們實現(xiàn)了發(fā)布里程碑。此外,SageMaker Debugger 正在幫助我們更深入地了解張量,實現(xiàn)彈性模型訓練,幫助使用規(guī)則掛鉤實時檢測不一致,并調(diào)整模型參數(shù)以提高準確性?!?/p>

英威達是世界領(lǐng)先的綜合纖維、樹脂和中間體公司。 “Amazon SageMaker 中的新服務為我們在 INVISTA 帶來了巨大的好處。借助 Amazon SageMaker Studio,我們現(xiàn)在能夠共同定位數(shù)據(jù)科學任務。我們的團隊無需管理許多單獨的資源,而是可以輕松地繼續(xù)工作INVISTA 分析和云主管 Tanner Gonzalez 說:“這讓我們能夠節(jié)省管理基礎(chǔ)設(shè)施和存儲庫的時間,并幫助我們減少將算法和分析項目部署到生產(chǎn)中的時間?!盇mazon SageMaker Experiments 幫助我們使用模型跟蹤。以前,我們會在不同的地方跟蹤和保存模型工件,但是我們無法查看整個實驗,而且我們經(jīng)常會丟失信息。使用 SageMaker Experiments,我們現(xiàn)在有任何簡單的界面來管理實驗,獲得一個“

SyntheticGestalt 是一家應用機器學習公司,為制藥和其他生命科學行業(yè)的研究自動化開發(fā)模型、軟件和智能代理。 “我們使用 Amazon SageMaker 訓練我們的藥物發(fā)現(xiàn)模型和合成生物學模擬模型,新功能幫助我們系統(tǒng)地管理和評估我們的實驗結(jié)果。為了深入了解實驗的性能,我們的研究人員必須保持一致的實驗設(shè)置和模型結(jié)果,”SyntheticGestalt Ltd. 首席技術(shù)官 Kotaro Kamiya “隨著 Amazon SageMaker 的最新發(fā)布,包括 Amazon SageMaker Studio 和 Amazon SageMaker Experiments 等功能,我們可以以 2 倍的速度確定最佳實驗設(shè)置,最終加速我們生產(chǎn)改變生命的候選分子的能力。 SageMaker 幫助我們的研究人員輕松比較數(shù)千個實驗設(shè)置;他們只需一步就能完成以前耗費我們研究人員數(shù)小時時間的工作。以前,我們只能將 100 個實驗設(shè)置相互比較,而 Amazon SageMaker Experiments 完全消除了這一限制,因此我們可以不受限制地專注于實驗設(shè)計?!?/p>

關(guān)于亞馬遜網(wǎng)絡服務

13 年來,Amazon Web Services 一直是世界上最全面、應用最廣泛的云平臺。 AWS 為計算、存儲、數(shù)據(jù)庫、網(wǎng)絡、分析、機器人、機器學習和人工智能 (AI)、物聯(lián)網(wǎng) (IoT)、移動、安全、混合、虛擬和增強現(xiàn)實(VR 和 AR)提供超過 165 項功能齊全的服務)、媒體和應用程序開發(fā)、部署和管理,來自 22 個地理區(qū)域內(nèi)的 69 個可用區(qū) (AZ),并宣布計劃在印度尼西亞、意大利、南非和西班牙再增加 13 個可用區(qū)和 4 個 AWS 區(qū)域。數(shù)以百萬計的客戶(包括發(fā)展最快的初創(chuàng)公司、最大的企業(yè)和領(lǐng)先的政府機構(gòu))信任 AWS 來支持他們的基礎(chǔ)設(shè)施、變得更加敏捷并降低成本。

關(guān)于亞馬遜

亞馬遜遵循四項原則:以客戶為中心而非以競爭對手為中心、對發(fā)明的熱情、對卓越運營的承諾以及長期思考??蛻粼u論、一鍵購物、個性化推薦、Prime、亞馬遜物流、AWS、Kindle Direct Publishing、Kindle、Fire 平板電腦、Fire TV、亞馬遜 Echo 和 Alexa 是亞馬遜率先推出的一些產(chǎn)品和服務。

點擊咨詢現(xiàn)在有哪些新興平臺值得關(guān)注 >>>


特別聲明:以上文章內(nèi)容僅代表作者本人觀點,不代表ESG跨境電商觀點或立場。如有關(guān)于作品內(nèi)容、版權(quán)或其它問題請于作品發(fā)表后的30日內(nèi)與ESG跨境電商聯(lián)系。

全球最大電商平臺
查看更多
搜索 放大鏡
韓國平臺交流群
加入
韓國平臺交流群
掃碼進群
歐洲多平臺交流群
加入
歐洲多平臺交流群
掃碼進群
美國賣家交流群
加入
美國賣家交流群
掃碼進群
ESG跨境專屬福利分享群
加入
ESG跨境專屬福利分享群
掃碼進群
拉美電商交流群
加入
拉美電商交流群
掃碼進群
亞馬遜跨境增長交流群
加入
亞馬遜跨境增長交流群
掃碼進群
亞馬遜跨境增長交流群
加入
亞馬遜跨境增長交流群
掃碼進群
拉美電商交流群
加入
拉美電商交流群
掃碼進群
ESG獨家招商-PHH GROUP賣家交流群
加入
ESG獨家招商-PHH GROUP賣家交流群
掃碼進群
《Darty知識百科》
《法國Fnac知識百科》
2025跨境電商營銷日歷
《2024年全球消費趨勢白皮書——美國篇》
《2024TikTok出海達人營銷白皮書》
《Coupang自注冊指南》
《eMAG知識百科》
《TikTok官方運營干貨合集》
《韓國節(jié)日營銷指南》
《開店大全-全球合集》
通過ESG入駐平臺,您將解鎖
綠色通道,更高的入駐成功率
專業(yè)1v1客戶經(jīng)理服務
運營實操指導
運營提效資源福利
平臺官方專屬優(yōu)惠

立即登記,定期獲得更多資訊

訂閱
聯(lián)系顧問

平臺顧問

平臺顧問 平臺顧問

微信掃一掃
馬上聯(lián)系在線顧問

icon icon

小程序

微信小程序

ESG跨境小程序
手機入駐更便捷

icon icon

返回頂部