Gã khổng lồ đám mây Amazon Web Services (AWS) đã tiết lộ một bộ cải tiến hấp dẫn cho nền tảng triển khai, đào tạo và sáng tạo máy học nổi tiếng của mình, Amazon SageMaker, trong sự kiện AWS re:Invent gần đây. Những nâng cấp này được thiết lập để đẩy nhanh và đơn giản hóa đáng kể việc phát triển và triển khai các mô hình học máy.
Trong nỗ lực làm phong phú thêm trải nghiệm triển khai mô hình, AWS đã giới thiệu các lớp cải tiến trong SageMaker Python SDK. Trong số này, lớp ModelBuilder tạo điều kiện thuận lợi cho việc triển khai bằng cách chọn vùng chứa SageMaker phù hợp và xác định các phần phụ thuộc quan trọng. Một đề cập đáng chú ý khác, lớp SchemaBuilder, nhằm mục đích điều chỉnh hiệu quả việc tuần tự hóa và giải tuần tự hóa các đầu vào và đầu ra của mô hình.
Bộ công cụ tiên tiến này có thể được sử dụng để triển khai mô hình trong môi trường phát triển cục bộ nhằm thử nghiệm, gỡ lỗi thời gian chạy và hơn thế nữa. Có thể đạt được quá trình chuyển đổi liền mạch từ thử nghiệm cục bộ sang triển khai mô hình trong SageMaker chỉ bằng một dòng mã, như Antje Barth, Người ủng hộ nhà phát triển chính của AWS, đã nhấn mạnh.
Ngoài những tính năng đột phá này, SageMaker Studio, một dịch vụ no-code phổ biến tương tự như AppMaster , đã trải qua quá trình cải tiến, hiện chứa các quy trình công việc mới để hướng dẫn người dùng chọn cấu endpoint được tối ưu hóa.
Amazon SageMaker cũng đã nhận được nhiều khả năng suy luận mới giúp giảm đáng kể chi phí triển khai và độ trễ. Những khả năng mới này cho phép người dùng đặt một hoặc nhiều mô hình nền tảng trên một endpoint duy nhất, đồng thời kiểm soát bộ nhớ và số lượng máy gia tốc được phân bổ cho chúng.
Hệ thống cũng giám sát các yêu cầu suy luận và tự động chỉ đạo chúng dựa trên các phiên bản có sẵn. Amazon đã xác nhận rằng những cải tiến này có khả năng cắt giảm chi phí triển khai xuống một nửa đáng kinh ngạc và giảm độ trễ khoảng 20%.
Là một phần của bộ nâng cấp mở rộng, Amazon SageMaker Canvas, giao diện no-code giống với nền tảng AppMaster để xây dựng các mô hình machine learning, giờ đây cho phép lời nhắc bằng ngôn ngữ tự nhiên khi thiết lập dữ liệu. Hỗ trợ người dùng trong quá trình vận hành cơ sở dữ liệu, phần mềm đưa ra một loạt các câu hỏi có hướng dẫn hoặc người dùng có thể tự tạo câu hỏi.
Giờ đây, các tác vụ cần thiết như quản lý báo cáo chất lượng dữ liệu, loại bỏ các hàng dựa trên tiêu chí cụ thể, v.v. giờ đây có thể được yêu cầu một cách liền mạch. Ngoài ra, khả năng sử dụng các mô hình nền tảng từ Amazon Bedrock và Amazon SageMaker Jumpstart mới được tích hợp, mở đường cho các doanh nghiệp xây dựng các mô hình trạm phù hợp với nhu cầu cụ thể của họ.
SageMaker Canvas đảm nhiệm toàn bộ việc đào tạo và mang lại sự linh hoạt để tinh chỉnh mô hình sau khi tạo. Ngoài ra, nó cung cấp một phân tích toàn diện về mô hình đã nghĩ ra, thể hiện các tham số như độ phức tạp, đường cong tổn thất, cùng với tổn thất đào tạo và xác nhận.
