Amazon SageMaker

Plataforma de aprendizaje automático en la nube

Amazon SageMaker es una plataforma de aprendizaje automático basada en la nube que permite a los desarrolladores crear, entrenar e implementar modelos de aprendizaje automático (ML) en la nube. ^[1] Se puede utilizar para implementar modelos de ML en sistemas integrados y dispositivos de borde . ^{[2] [3]} La plataforma se lanzó en noviembre de 2017. ^[4]

Capacidades

SageMaker permite a los desarrolladores operar en distintos niveles de abstracción al entrenar e implementar modelos de aprendizaje automático. En su nivel más alto de abstracción, SageMaker proporciona modelos de aprendizaje automático entrenados previamente que se pueden implementar tal como están. ^[5] Además, ofrece una serie de algoritmos de aprendizaje automático integrados que los desarrolladores pueden entrenar con sus propios datos. ^{[6] [7]}

La plataforma también cuenta con instancias administradas de TensorFlow y Apache MXNet , donde los desarrolladores pueden crear sus propios algoritmos de ML desde cero. ^[8] Independientemente del nivel de abstracción que se utilice, un desarrollador puede conectar sus modelos de ML habilitados para SageMaker a otros servicios de AWS , como la base de datos Amazon DynamoDB para el almacenamiento de datos estructurados, ^[9] AWS Batch para el procesamiento por lotes sin conexión, ^{[9] [10]} o Amazon Kinesis para el procesamiento en tiempo real. ^[11]

Interfaces de desarrollo

Hay varias interfaces disponibles para que los desarrolladores interactúen con SageMaker. En primer lugar, hay una API web que controla de forma remota una instancia de servidor de SageMaker. ^[12] Si bien la API web es independiente del lenguaje de programación utilizado por el desarrollador, Amazon proporciona enlaces de API de SageMaker para varios lenguajes, incluidos Python , JavaScript , Ruby , Java y Go . ^{[13] [14]} Además, SageMaker proporciona instancias administradas de Jupyter Notebook para programar de forma interactiva SageMaker y otras aplicaciones. ^{[15] [16]}

Historia y características

• 29 de noviembre de 2017: se lanza SageMaker en la conferencia AWS re:Invent. ^{[4] [6] [1]}
• 27/02/2018: El entrenamiento y la inferencia de redes neuronales profundas MXNet y TensorFlow administrados ahora son compatibles con SageMaker. ^{[17] [8]}
• 28/02/2018: SageMaker escala automáticamente la inferencia del modelo a múltiples instancias de servidor. ^{[18] [19]}
• 13/07/2018: Se agregó soporte para entrenamiento de redes neuronales recurrentes , entrenamiento de word2vec , entrenamiento de aprendices lineales de múltiples clases y entrenamiento de redes neuronales profundas distribuidas en Chainer con escalamiento de velocidad adaptativo por capas (LARS). ^{[20] [7]}
• 17 de julio de 2018: AWS Batch Transform permite la inferencia de aprendizaje automático no en tiempo real de alto rendimiento en SageMaker. ^{[21] [22]}
• 08-11-2018: Soporte para entrenamiento e inferencia de incrustaciones de palabras Object2Vec. ^{[23] [24]}
• 2018-11-27: SageMaker Ground Truth "hace que sea mucho más fácil para los desarrolladores etiquetar sus datos utilizando anotadores humanos a través de Mechanical Turk , proveedores externos o sus propios empleados". ^[25]
• 28/11/2018: SageMaker Reinforcement Learning (RL) "permite a los desarrolladores y científicos de datos desarrollar modelos de aprendizaje de refuerzo a escala de forma rápida y sencilla". ^{[26] [2]}
• 28/11/2018: SageMaker Neo permite implementar modelos de redes neuronales profundas desde SageMaker en dispositivos periféricos como teléfonos inteligentes y cámaras inteligentes. ^{[27] [2]}
• 29 de noviembre de 2018: Se lanza AWS Marketplace para SageMaker. AWS Marketplace permite a los desarrolladores externos comprar y vender modelos de aprendizaje automático que se pueden entrenar e implementar en SageMaker. ^[28]
• 27-01-2019: SageMaker Neo se lanza como software de código abierto. ^[29]

Clientes notables

• NASCAR está utilizando SageMaker para entrenar redes neuronales profundas en 70 años de datos de video. ^[30]
• Carsales.com utiliza SageMaker para entrenar e implementar modelos de aprendizaje automático para analizar y aprobar listados de anuncios clasificados de automóviles. ^[31]
• Avis Budget Group y Slalom Consulting están utilizando SageMaker para desarrollar "una solución práctica en el sitio que podría abordar la sobreutilización y subutilización de automóviles en tiempo real utilizando un motor de optimización integrado en Amazon SageMaker". ^[32]
• El Grupo Volkswagen utiliza SageMaker para desarrollar e implementar el aprendizaje automático en sus plantas de fabricación. ^[33]
• Peak y Footasylum utilizan SageMaker en un motor de recomendaciones de calzado. ^[34]

Premios

En 2019, CIOL nombró a SageMaker una de las "5 mejores plataformas de aprendizaje automático para desarrolladores", junto con IBM Watson , Microsoft Azure Machine Learning , Apache PredictionIO y AiONE. ^[35]

Véase también

• Servicios web de Amazon
• Amazonas Lex
• Polly amazona
• Reconocimiento de Amazon
• Turco mecánico de Amazon
• Cronología de Amazon Web Services

Referencias

1. Woodie, Alex (29 de noviembre de 2017). "AWS elimina la suciedad del aprendizaje automático con SageMaker". datanami . Consultado el 9 de junio de 2019 .
2. Rodriguez, Jesus (2018-11-30). "Con estas nuevas incorporaciones, AWS SageMaker comienza a verse más real para los científicos de datos". Towards Data Science . Consultado el 2019-06-09 .^{[ enlace muerto permanente ]}
3. Terdiman, Daniel (5 de octubre de 2018). «Cómo la IA está ayudando a Amazon a convertirse en una empresa de un billón de dólares». Fast Company . Consultado el 9 de junio de 2019 .
4. Miller, Ron (29 de noviembre de 2017). "AWS lanza SageMaker para facilitar la creación e implementación de modelos de aprendizaje automático". TechCrunch . Consultado el 9 de junio de 2019 .
5. Ponnapalli, Priya (30 de enero de 2019). "Implementar modelos entrenados de Keras o TensorFlow con Amazon SageMaker". AWS . Consultado el 9 de junio de 2019 .
6. "Presentación de Amazon SageMaker". AWS . 2017-11-29 . Consultado el 2019-06-09 .
7. Nagel, Becky (16 de julio de 2018). "Amazon actualiza los algoritmos y los marcos de trabajo de la plataforma SageMaker ML". Pure AI . Consultado el 9 de junio de 2019 .
8. Roumeliotis, Rachel (7 de marzo de 2018). "Cómo poner en marcha sus habilidades de aprendizaje profundo con Apache MXNet". O'Reilly . Consultado el 9 de junio de 2019 .
9. Marquez, Ernesto. "Evaluar cuándo utilizar acciones agregadas de AWS Step Functions". TechTarget . Consultado el 9 de junio de 2019 .
10. "AWS Step Functions agrega ocho integraciones de servicios más". AWS . 2018-11-29 . Consultado el 2019-06-09 .
11. "Implemente Amazon SageMaker y un lago de datos en AWS para la ciencia de datos predictiva con el nuevo inicio rápido". AWS . 2018-08-15 . Consultado el 2019-06-09 .
12. Olsen, Rumi (19 de julio de 2018). "Llamar a un punto final de modelo de Amazon SageMaker mediante Amazon API Gateway y AWS Lambda". AWS . Consultado el 9 de junio de 2019 .
13. "Recursos para desarrolladores de Amazon SageMaker". AWS . Consultado el 9 de junio de 2019 .
14. Wiggers, Kyle (21 de noviembre de 2018). «Amazon actualiza SageMaker con nuevos algoritmos integrados e integración con Git» . Consultado el 9 de junio de 2019 .
15. "Usar instancias de Notebook". AWS . Consultado el 9 de junio de 2019 .
16. Gift, Noah (17 de agosto de 2018). "Here Come The Notebooks". Forbes . Consultado el 9 de junio de 2019 .
17. "Amazon SageMaker ahora es compatible con TensorFlow 1.5, Apache MXNet 1.0 y CUDA 9 para la optimización de instancias P3". AWS . 2018-02-27 . Consultado el 2019-06-09 .
18. "El escalado automático en Amazon SageMaker ya está disponible". AWS . 28 de febrero de 2018 . Consultado el 9 de junio de 2019 .
19. "Amazon Sagemaker ahora utiliza escalado automático". Polar Seven . 2018-03-24 . Consultado el 2019-06-09 .
20. "Amazon SageMaker anuncia varias mejoras en los algoritmos y marcos integrados". AWS . 2018-07-13 . Consultado el 2019-06-09 .
21. "Amazon SageMaker ahora admite trabajos de transformación por lotes de alto rendimiento para inferencias que no son en tiempo real". AWS . 2018-07-17 . Consultado el 2019-06-09 .
22. Simon, Julien (24 de enero de 2019). "Cómo aprovechar al máximo su presupuesto de aprendizaje automático en Amazon SageMaker". Medium . Consultado el 9 de junio de 2019 .
23. "Introducción a Amazon SageMaker Object2Vec". AWS . 2018-11-08 . Consultado el 2019-06-09 .
24. "Amazon SageMaker ahora admite los algoritmos integrados Object2Vec e IP Insights". AWS . 19 de noviembre de 2018 . Consultado el 9 de junio de 2019 .
25. "Presentación de Amazon SageMaker Ground Truth: cree conjuntos de datos de entrenamiento de alta precisión mediante aprendizaje automático". AWS . 28 de noviembre de 2018 . Consultado el 9 de junio de 2019 .
26. "Presentación de la compatibilidad con aprendizaje por refuerzo con Amazon SageMaker RL". AWS . 28 de noviembre de 2018 . Consultado el 9 de junio de 2019 .
27. "Presentamos Amazon SageMaker Neo: entrene una vez, ejecute en cualquier lugar con una mejora del rendimiento de hasta el doble". AWS . 28 de noviembre de 2018 . Consultado el 9 de junio de 2019 .
28. Robuck, Mike (29 de noviembre de 2018). "AWS profundiza y amplía sus capacidades y servicios de aprendizaje automático". FierceTelecom . Consultado el 9 de junio de 2019 .
29. Janakiram, MSV (27 de enero de 2019). "Amazon lanza SageMaker Neo como código abierto para ejecutar modelos de aprendizaje automático en el borde". Forbes . Consultado el 9 de junio de 2019 .
30. Digman, Larry (4 de junio de 2019). "NASCAR migrará 18 petabytes de archivos de video a AWS". ZDNet . Consultado el 9 de junio de 2019 .
31. Crozier, Ry (2 de mayo de 2019). "Carsales crea Tessa AI para verificar anuncios de vehículos". IT News . Consultado el 9 de junio de 2019 .
32. "Avis Budget Group y Slalom digitalizan aún más el proceso de alquiler de vehículos con aprendizaje automático en AWS". AWS . 2019-05-31 . Consultado el 2019-06-09 .
33. "Volkswagen y AWS unen fuerzas para transformar la fabricación de automóviles". Metrology News . 2019-05-24. Archivado desde el original el 2020-10-28 . Consultado el 2019-06-09 .
34. Mari, Angelica (14 de mayo de 2019). "Footasylum intensifica la inteligencia artificial para impulsar la atención al cliente". Computer Weekly . Consultado el 9 de junio de 2019 .
35. Pandey, Ashok (21 de febrero de 2019). "Las 5 mejores plataformas de aprendizaje automático para desarrolladores". CIOL . Consultado el 9 de junio de 2019 .