Pelatihan yang didistribusikan di Amazon SageMaker
Amazon SageMaker mempermudah dan mempercepat untuk melatih model besar dan memproses data dalam jumlah besar. Pelatihan Terdistribusi baru pada produk Amazon SageMaker memungkinkan pelatihan terdistribusi dan mendukung paralelisme model dan data. Ini membutuhkan sedikit perubahan pada kode. Sekarang Anda dapat dengan mudah membagi data menjadi beberapa bagian dan berlatih di GPU yang berbeda. Anda juga dapat memisahkan model itu sendiri sehingga beberapa GPU digunakan untuk pelatihan. Ini berguna untuk model besar di mana GPU saja tidak cukup.
Lebih lengkapnya di sini
Memperjelas Amazon SageMaker
Model pembelajaran mesin sering kali merupakan kotak hitam. Sulit untuk memahami mengapa model menghasilkan hasil ini atau itu. Amazon SageMaker Clarify dapat membantu Anda memahami cara kerja model dan faktor yang memengaruhi setiap hasil. Ini sangat penting untuk model audit.
Selain itu, datanya mungkin tidak seimbang. Data historis yang melatih model ML tidak lengkap dan sering kali bias. Misalnya, jika orang-orang sebelumnya pada usia tertentu mengambil sedikit hipotek, maka model yang dilatih berdasarkan data tersebut dapat menolak hipotek untuk orang-orang pada usia ini di masa mendatang. Yang hanya akan memperkuat bias. Amazon SageMaker Clarify memungkinkan Anda mengidentifikasi jenis ketidakseimbangan dan bias ini dalam data Anda. Ini membuat model berfungsi lebih baik untuk semua orang.
Lebih lengkapnya di sini
Amazon SageMaker Debugger
Amazon SageMaker Debugger adalah alat praktis untuk men-debug dan membuat profil model, mengumpulkan dan menganalisis data pelatihan, membuat laporan, dan memvisualisasikan metrik. SageMaker Debugger telah menerima banyak pembaruan tahun ini, serta antarmuka pengguna yang sepenuhnya didesain ulang.
Detailnya di sini
Amazon SageMaker JumpStart
Amazon SageMaker JumpStart memungkinkan Anda dengan cepat menerapkan solusi off-the-shelf atau model ML. Sudah ada 15 solusi yang tersedia untuk tugas-tugas seperti pengenalan tulisan tangan, prediksi permintaan, penipuan dan deteksi pengguna yang berbahaya, dan banyak lagi. Selain itu, SageMaker JumpStart memungkinkan Anda menerapkan salah satu dari 150 model ML open source dari TensorFlow Hub dan PyTorch Hub dengan beberapa klik.
Detailnya di sini
Amazon SageMaker Edge Manager
Toolkit (MLOps) untuk mengubah perangkat pintar Anda menjadi perangkat pintar edge yang dapat menjalankan model yang dilatih di cloud, mengumpulkan telemetri, dan mengirim data sampel kembali ke cloud untuk pelatihan ulang. Amazon SageMaker Edge Manager juga dapat membantu Anda memantau kesehatan armada perangkat Anda dan memperbarui model yang dioptimalkan dengan SageMaker Neo.
Agen Tepi SageMaker adalah runtime kecil yang dihosting di perangkat yang dapat menjalankan model, mengumpulkan telemetri, dan mengirim data sampel kembali ke cloud.
SageMaker Neo adalah alat yang mengoptimalkan model Anda untuk perangkat berdaya rendah yang sudah termasuk dalam runtime agen.
Dasbor Tepi SageMaker membantu Anda memantau kesehatan perangkat Anda dengan model drifting.
Lebih lengkapnya di sini
Amazon Redshift ML
Sekarang Anda dapat melatih model dan melakukan inferensi secara langsung dalam kueri SQL ke Redshift, berkat integrasi dengan SageMaker AutoPilot, yang akan mempersiapkan data dan memilih algoritme yang paling sesuai. Dan semua prediksi lebih lanjut sudah dapat dibuat menggunakan sumber daya klaster RedShift tanpa mengeluarkan data darinya.
Ini memudahkan pengembang atau analis untuk bekerja dengan data dan menghapus langkah-langkah seperti mengunggah data ke penyimpanan penahapan, memulai proses pelatihan, menghosting model, dan proses prediksi.
Keterangan lebih lanjut
Amazon Neptune ML
Amazon Neptune ML adalah fitur baru untuk database terkelola berbasis grafik - Amazon Neptune. Dibangun menggunakan Deep Graph Library , ini dapat meningkatkan akurasi hingga 50% dibandingkan pustaka dan algoritme lain yang tidak berspesialisasi dalam sumber data grafik.
Amazon Neptune ML dapat memprediksi node yang hilang (node klasifikasi) dan edge (regresi bobot).
Amazon Lookout for Metrics
Layanan baru yang secara otomatis mendeteksi anomali dalam metrik bisnis Anda tanpa memerlukan keterampilan pengembangan atau pembelajaran mesin. Layanan dapat terhubung ke sumber data seperti Salesforce, Marketo, Google Analytics, Slack, Zendesk dan banyak lainnya.
Ini dapat digunakan untuk memantau, mencari dan memperingatkan tentang anomali, dan juga mampu menunjukkan potensi penyebab anomali pada data seperti tampilan halaman web, tingkat churn pelanggan, pengguna aktif harian (DAU), transaksi, penginstalan aplikasi seluler, dan banyak lagi. ...
Plarix sudah mendapatkan akses ke pratinjau dan telah menguji layanan ini untuk menganalisis datanya.
“Kami bereksperimen dengan data akuisisi pengguna kami untuk memahami cara kerja layanan dan dengan cepat mengidentifikasi serta mengelompokkan anomali yang memungkinkan kami bekerja lebih cepat dan lebih baik,” - Mikhail Artyugin, CTO di Playrix.
Lebih lengkapnya di sini
Sesi Twitch berbahasa Rusia
Hari ini aliran kedutan bahasa Rusia berikutnya akan berlangsung, sekarang pada hal-hal baru di bidang pembelajaran mesin. Kami mengingatkan Anda bahwa streaming sedang berlangsung pada hari-hari utama AWS re: Invent. Streaming disiapkan dan dilakukan oleh arsitek solusi AWS terkemuka, yang memilih yang paling menarik dan berguna dari berita dan pengumuman konferensi multi jam. Bagi mereka yang belum terhubung - tautan pendaftaran .
Lebih lanjut tentang topik:
AWS re: Invent. Pengumuman utama hari pertama (Bagian 1)
AWS re: Invent. Pengumuman utama hari pertama (Bagian 2)