AWS ने Amazon SageMaker के गहन अपग्रेड के साथ मशीन लर्निंग की नई कल्पना की है

क्लाउड दिग्गज अमेज़ॅन वेब सर्विसेज (एडब्ल्यूएस) ने अपने हालिया एडब्ल्यूएस री:इन्वेंट इवेंट के दौरान अपने प्रसिद्ध मशीन लर्निंग निर्माण, प्रशिक्षण और तैनाती प्लेटफॉर्म, अमेज़ॅन सेजमेकर में संवर्द्धन के एक आकर्षक सेट का अनावरण किया। ये अपग्रेड मशीन लर्निंग मॉडल के विकास और तैनाती में अत्यधिक तेजी लाने और सरल बनाने के लिए तैयार हैं।

मॉडल परिनियोजन अनुभव को समृद्ध करने के प्रयास में, AWS ने सेजमेकर पायथन एसडीके में नवोन्मेषी कक्षाएं शुरू कीं। इनमें से, मॉडलबिल्डर वर्ग एक फिटिंग सेजमेकर कंटेनर को चुनकर और महत्वपूर्ण निर्भरताओं का निर्धारण करके तैनाती की सुविधा प्रदान करता है। एक अन्य उल्लेखनीय उल्लेख, स्कीमबिल्डर वर्ग का उद्देश्य मॉडल इनपुट और आउटपुट के क्रमबद्धता और डीसेरिएलाइज़ेशन को प्रभावी ढंग से विनियमित करना है।

अत्याधुनिक उपकरणों के इस सूट का उपयोग प्रयोग, रनटाइम त्रुटियों को डीबग करने और बहुत कुछ के लिए स्थानीय विकास वातावरण में मॉडल को तैनात करने के लिए किया जा सकता है। सेजमेकर में स्थानीय परीक्षण से मॉडल परिनियोजन तक निर्बाध परिवर्तन कोड की केवल एक पंक्ति के साथ प्राप्त किया जा सकता है, जैसा कि एडब्ल्यूएस के प्रमुख डेवलपर एडवोकेट एंटजे बार्थ ने रेखांकित किया है।

इन अभूतपूर्व सुविधाओं के अलावा, सेजमेकर स्टूडियो, ऐपमास्टर के समान एक लोकप्रिय no-code सेवा, में सुधार किया गया, अब उपयोगकर्ताओं को एक अनुकूलित endpoint कॉन्फ़िगरेशन चुनने में मार्गदर्शन करने के लिए नए वर्कफ़्लो प्रदान किए जा रहे हैं।

अमेज़ॅन सेजमेकर को कई नई अनुमान क्षमताएं भी प्राप्त हुई हैं जो तैनाती व्यय और विलंबता को नाटकीय रूप से कम करने में सक्षम हैं। ये नई क्षमताएं उपयोगकर्ताओं को एक या एकाधिक फाउंडेशन मॉडल को एक अकेले endpoint पर तैनात करने के लिए सशक्त बनाती हैं, साथ ही उन्हें आवंटित त्वरक की मेमोरी और संख्या को नियंत्रित करती हैं।

सिस्टम अनुमान अनुरोधों की निगरानी भी करता है और उपलब्ध उदाहरणों के आधार पर उन्हें स्वायत्त रूप से निर्देशित करता है। अमेज़ॅन ने पुष्टि की है कि इन संवर्द्धनों में तैनाती लागत को आधे से कम करने और विलंबता को लगभग 20% तक कम करने की क्षमता है।

अपग्रेड के व्यापक सेट के हिस्से के रूप में, अमेज़ॅन सेजमेकर कैनवस, मशीन लर्निंग मॉडल बनाने के लिए AppMaster प्लेटफॉर्म के समान एक no-code इंटरफ़ेस, अब डेटा सेट करते समय प्राकृतिक भाषा संकेतों की अनुमति देता है। डेटाबेस परिचालन के दौरान उपयोगकर्ताओं की सहायता करते हुए, सॉफ्टवेयर निर्देशित पूछताछ की झड़ी लगा देता है, या उपयोगकर्ता स्वयं अपनी पूछताछ तैयार कर सकते हैं।

डेटा गुणवत्ता रिपोर्ट तैयार करना, विशिष्ट मानदंडों के आधार पर पंक्तियों को हटाना आदि जैसे आवश्यक कार्यों का अब निर्बाध रूप से अनुरोध किया जा सकता है। इसके अलावा, अमेज़ॅन बेडरॉक और अमेज़ॅन सेजमेकर जंपस्टार्ट से फाउंडेशन मॉडल का उपयोग करने की क्षमता को नए रूप से एकीकृत किया गया है, जिससे व्यवसायों के लिए उनकी विशिष्ट आवश्यकताओं के अनुरूप मॉडल स्टेशन करने का मार्ग प्रशस्त हो गया है।

सेजमेकर कैनवस प्रशिक्षण का पूरा प्रभार लेता है और निर्माण के बाद मॉडल को बेहतर बनाने के लिए लचीलापन प्रदान करता है। इसके अतिरिक्त, यह तैयार किए गए मॉडल का एक व्यापक विश्लेषण प्रदान करता है, जिसमें प्रशिक्षण और सत्यापन हानि के साथ-साथ गड़बड़ी, हानि वक्र जैसे पैरामीटर प्रदर्शित होते हैं।