Bulut devi Amazon Web Services (AWS), yakın zamanda düzenlediği AWS re:Invent etkinliği sırasında ünlü makine öğrenimi oluşturma, eğitim ve dağıtım platformu Amazon SageMaker'a yönelik bir dizi ilgi çekici geliştirmeyi duyurdu. Bu yükseltmeler, makine öğrenimi modellerinin geliştirilmesini ve devreye alınmasını büyük ölçüde hızlandıracak ve basitleştirecek şekilde ayarlanmıştır.
Model dağıtım deneyimini zenginleştirmek amacıyla AWS, SageMaker Python SDK'sında yenilikçi sınıfları kullanıma sundu. Bunların arasında ModelBuilder sınıfı, uygun bir SageMaker konteyneri seçerek ve hayati bağımlılıkları belirleyerek dağıtımları kolaylaştırır. Bir diğer dikkate değer olan SchemaBuilder sınıfı, model giriş ve çıkışlarının serileştirilmesini ve seri durumdan çıkarılmasını etkili bir şekilde düzenlemeyi amaçlamaktadır.
Bu son teknoloji araçlar paketi, deneme yapmak, çalışma zamanı hatalarını ayıklamak ve daha fazlası için modeli yerelleştirilmiş bir geliştirme ortamında dağıtmak için kullanılabilir. AWS Baş Geliştirici Avukatı Antje Barth'ın da vurguladığı gibi, SageMaker'da yerel testlerden model dağıtımına sorunsuz geçiş yalnızca tek bir kod satırıyla gerçekleştirilebilir.
Bu çığır açan özelliklere ek olarak, AppMaster'a benzeyen popüler bir no-code hizmet olan SageMaker Studio da yenilendi ve artık kullanıcılara optimize edilmiş bir endpoint yapılandırması seçme konusunda rehberlik edecek yeni iş akışları içeriyor.
Amazon SageMaker ayrıca dağıtım masraflarını ve gecikmeyi önemli ölçüde azaltacak çok sayıda yeni çıkarım kapasitesi de aldı. Bu yeni yetenekler, kullanıcılara bir veya daha fazla temel modelini tek bir uç endpoint yerleştirme ve aynı zamanda kendilerine tahsis edilen belleği ve hızlandırıcı sayısını kontrol etme olanağı sağlar.
Sistem ayrıca çıkarım isteklerini denetler ve bunları mevcut örneklere göre özerk bir şekilde yönlendirir. Amazon, bu geliştirmelerin dağıtım maliyetlerini yarı yarıya azaltma ve gecikmeyi yaklaşık %20 azaltma potansiyeline sahip olduğunu doğruladı.
Kapsamlı yükseltmelerin bir parçası olarak, makine öğrenimi modelleri oluşturmaya yönelik AppMaster platformuna benzer, no-code bir arayüz olan Amazon SageMaker Canvas, artık verileri ayarlarken doğal dil komutlarına izin veriyor. Veri tabanı işlemleri sırasında kullanıcılara yardımcı olan yazılım, çok sayıda rehberli sorgu sunar veya kullanıcılar kendi sorgularını oluşturabilir.
Bir veri kalitesi raporunun düzenlenmesi, belirli kriterlere göre satırların ortadan kaldırılması vb. gibi gerekli görevler artık sorunsuz bir şekilde talep edilebilmektedir. Ayrıca, Amazon Bedrock ve Amazon SageMaker Jumpstart'ın temel modellerinden yararlanma yeteneği de yeni entegre edilerek işletmelerin kendi özel ihtiyaçlarına göre uyarlanmış modelleri istasyonlamasının önü açıldı.
SageMaker Canvas, eğitimin tüm sorumluluğunu üstlenir ve modelin oluşturulması sonrasında ince ayar yapma esnekliği sunar. Ek olarak, tasarlanan modelin kapsamlı bir analizini sağlar; şaşkınlık, kayıp eğrileri gibi parametrelerin yanı sıra eğitim ve doğrulama kayıplarını da gösterir.
