Amazon SageMaker - Amazon SageMaker

Amazon SageMaker
Deweloper(zy) Amazon , usługi internetowe Amazon
Pierwsze wydanie 29 listopada 2017 r .; 3 lata temu ( 29.11.2017 )
Rodzaj Oprogramowanie jako usługa
Stronie internetowej aws .amazon .com /sagemaker

Amazon SageMaker to platforma uczenia maszynowego w chmurze , która została uruchomiona w listopadzie 2017 r. SageMaker umożliwia programistom tworzenie, trenowanie i wdrażanie modeli uczenia maszynowego (ML) w chmurze. SageMaker umożliwia również programistom wdrażanie modeli ML w systemach wbudowanych i urządzeniach brzegowych .

Możliwości

SageMaker umożliwia programistom działanie na wielu poziomach abstrakcji podczas uczenia i wdrażania modeli uczenia maszynowego. Na najwyższym poziomie abstrakcji SageMaker zapewnia wstępnie wytrenowane modele ML, które można wdrożyć bez zmian. Ponadto SageMaker zapewnia szereg wbudowanych algorytmów ML, które programiści mogą trenować na własnych danych. Ponadto SageMaker zapewnia zarządzane instancje TensorFlow i Apache MXNet , w których programiści mogą tworzyć od podstaw własne algorytmy ML. Niezależnie od tego, który poziom abstrakcji jest używany, programista może połączyć swoje modele ML obsługujące SageMaker z innymi usługami AWS , takimi jak baza danych Amazon DynamoDB do przechowywania danych strukturalnych, AWS Batch do przetwarzania wsadowego offline lub Amazon Kinesis do przetwarzania w czasie rzeczywistym .

Interfejsy programistyczne

Dla programistów dostępnych jest wiele interfejsów do interakcji z SageMakerem. Po pierwsze, istnieje internetowy interfejs API, który zdalnie kontroluje instancję serwera SageMaker. Chociaż internetowy interfejs API jest niezależny od języka programowania używanego przez programistę, Amazon udostępnia powiązania interfejsu API SageMaker dla wielu języków, w tym Python , JavaScript , Ruby , Java i Go . Ponadto SageMaker udostępnia zarządzane instancje Jupyter Notebook do interaktywnego programowania SageMaker i innych aplikacji.

Historia i funkcje

  • 2017-11-29: SageMaker zostaje uruchomiony na konferencji AWS re:Invent.
  • 2018-02-27: Zarządzane trenowanie i wnioskowanie o głębokiej sieci neuronowej TensorFlow i MXNet jest teraz obsługiwane w programie SageMaker.
  • 2018-02-28: SageMaker automatycznie skaluje wnioskowanie modelu do wielu instancji serwera.
  • 2018-07-13: SageMaker dodaje obsługę cyklicznego szkolenia sieci neuronowych, szkolenia word2vec , wieloklasowego szkolenia liniowego dla uczniów i rozproszonego szkolenia z głębokich sieci neuronowych w Chainer z Layer-wise Adaptive Rate Scaling (LARS).
  • 2018-07-17: AWS Batch Transform umożliwia wysokoprzepustowe wnioskowanie uczenia maszynowego w czasie rzeczywistym w programie SageMaker.
  • 2018-11-08: Wsparcie dla szkolenia i wnioskowania o osadzaniach słów Object2Vec.
  • 2018-11-27: SageMaker Ground Truth „ułatwia programistom etykietowanie swoich danych za pomocą ludzkich adnotatorów za pośrednictwem Mechanical Turk , dostawców zewnętrznych lub własnych pracowników”.
  • 2018-11-28: SageMaker Reinforcement Learning (RL) „umożliwia programistom i analitykom danych szybkie i łatwe opracowywanie modeli uczenia się ze wzmocnieniem na dużą skalę”.
  • 2018-11-28: SageMaker Neo umożliwia wdrażanie głębokich modeli sieci neuronowych od SageMaker do urządzeń brzegowych, takich jak smartfony i inteligentne kamery.
  • 2018-11-29: Uruchomiono AWS Marketplace dla SageMaker. AWS Marketplace umożliwia deweloperom zewnętrznym kupowanie i sprzedawanie modeli uczenia maszynowego, które można szkolić i wdrażać w programie SageMaker.
  • 2019-01-27: SageMaker Neo zostaje wydany jako oprogramowanie o otwartym kodzie źródłowym.

Zastosowania

  • NASCAR wykorzystuje SageMaker do trenowania głębokich sieci neuronowych na 70-letnich danych wideo.
  • Carsales.com używa SageMaker do szkolenia i wdrażania modeli uczenia maszynowego w celu analizowania i zatwierdzania ogłoszeń o ogłoszeniach motoryzacyjnych.
  • Avis Budget Group i Slalom Consulting wykorzystują SageMaker do opracowania „praktycznego rozwiązania na miejscu, które może rozwiązać problem nadmiernego i niedostatecznego wykorzystania samochodów w czasie rzeczywistym przy użyciu silnika optymalizacji wbudowanego w Amazon SageMaker”.
  • Grupa Volkswagen wykorzystuje SageMaker do opracowywania i wdrażania uczenia maszynowego w swoich zakładach produkcyjnych.
  • Peak i Footasylum wykorzystują SageMaker w silniku rekomendacji obuwia.

Przychylne artykuły na SageMaker

W 2019 roku CIOL uznał SageMaker za jedną z „5 najlepszych platform uczenia maszynowego dla programistów” obok IBM Watson , Microsoft Azure Machine Learning , Apache PredictionIO i ai-one.

Zobacz też

Bibliografia

  1. ^ B Miller, Ron (29.11.2017). „AWS wypuszcza SageMaker, aby ułatwić tworzenie i wdrażanie modeli uczenia maszynowego” . TechCrunch . Pobrano 09.06.2019 .
  2. ^ B Woodie Alex (29.11.2017). „AWS usuwa „brud” z ML dzięki SageMaker” . datanami . Pobrano 09.06.2019 .
  3. ^ a b c d Rodriguez, Jezus (2018-11-30). „Dzięki tym nowym dodatkom AWS SageMaker zaczyna wyglądać bardziej realistycznie dla naukowców zajmujących się danymi” . W kierunku nauki o danych . Pobrano 09.06.2019 .
  4. ^ Terdiman Daniel (05.10.2018). „Jak sztuczna inteligencja pomaga Amazonowi stać się firmą wartą bilion dolarów” . Szybka firma . Pobrano 09.06.2019 .
  5. ^ Ponnapalli, Priya (2019-01-30). „Wdrażaj wyszkolone modele Keras lub TensorFlow za pomocą Amazon SageMaker” . AWS . Pobrano 09.06.2019 .
  6. ^ a b „Przedstawiamy Amazon SageMaker” . AWS . 2017-11-29 . Pobrano 09.06.2019 .
  7. ^ B Nagel Becky (16.07.2018). „Amazon aktualizuje algorytmy i frameworki platformy SageMaker ML” . Czysta sztuczna inteligencja . Pobrano 09.06.2019 .
  8. ^ B Roumeliotis Rachel (07.3.2018). „Jak szybko rozpocząć naukę głębokiego uczenia się za pomocą Apache MXNet” . O'Reilly'ego . Pobrano 09.06.2019 .
  9. ^ B Marquez Ernesto. "Oceń, kiedy użyć dodanych akcji AWS Step Functions" . Cel techniczny . Pobrano 09.06.2019 .
  10. ^ "AWS Step Functions dodaje osiem dodatkowych integracji usług" . AWS . 2018-11-29 . Pobrano 09.06.2019 .
  11. ^ „Wdróż Amazon SageMaker i Data Lake w AWS dla Predictive Data Science z nowym Szybkim Startem” . AWS . 2018-08-15 . Pobrano 09.06.2019 .
  12. ^ Olsen, Rumi (19.07.2018). „Wywołaj punkt końcowy modelu Amazon SageMaker za pomocą Amazon API Gateway i AWS Lambda” . AWS . Pobrano 09.06.2019 .
  13. ^ „Zasoby dla programistów Amazon SageMaker” . AWS . Pobrano 09.06.2019 .
  14. ^ Wiggery, Kyle (21.11.2018). „Amazon aktualizuje SageMaker o nowe wbudowane algorytmy i integrację z Git” . Pobrano 09.06.2019 .
  15. ^ „Użyj instancji notesu” . AWS . Pobrano 09.06.2019 .
  16. ^ Prezent, Noe (2018-08-17). „Nadchodzą zeszyty” . Forbesa . Pobrano 09.06.2019 .
  17. ^ "Amazon SageMaker obsługuje teraz TensorFlow 1.5, Apache MXNet 1.0 i CUDA 9 dla P3 Instance Optimization" . AWS . 2018-02-27 . Pobrano 09.06.2019 .
  18. ^ "Automatyczne skalowanie w Amazon SageMaker jest już dostępne" . AWS . 2018-02-28 . Pobrano 09.06.2019 .
  19. ^ „Amazon Sagemaker teraz używa automatycznego skalowania” . Polarna siódemka . 2018-03-24 . Pobrano 09.06.2019 .
  20. ^ "Amazon SageMaker ogłasza kilka ulepszeń wbudowanych algorytmów i struktur" . AWS . 2018-07-13 . Pobrano 09.06.2019 .
  21. ^ „Amazon SageMaker obsługuje teraz zadania transformacji wsadowej o wysokiej przepustowości do wnioskowania nie w czasie rzeczywistym” . AWS . 2017-07-17 . Pobrano 09.06.2019 .
  22. ^ Szymon Julien (2019-01-24). „Jak najlepiej wykorzystać budżet na uczenie maszynowe w Amazon SageMaker” . Średni . Pobrano 09.06.2019 .
  23. ^ „Wprowadzenie do Amazon SageMaker Object2Vec” . AWS . 2018-11-08 . Pobrano 09.06.2019 .
  24. ^ "Amazon SageMaker obsługuje teraz wbudowane algorytmy Object2Vec i IP Insights" . AWS . 2018-11-19 . Pobrano 09.06.2019 .
  25. ^ "Przedstawiamy Amazon SageMaker Ground Truth - Buduj bardzo dokładne zestawy danych treningowych za pomocą uczenia maszynowego" . AWS . 28.11.2018 . Pobrano 09.06.2019 .
  26. ^ „Wprowadzenie wsparcia uczenia się przez wzmacnianie z Amazon SageMaker RL” . AWS . 28.11.2018 . Pobrano 09.06.2019 .
  27. ^ "Przedstawiamy Amazon SageMaker Neo - Trenuj raz, biegaj w dowolnym miejscu z nawet 2-krotną poprawą wydajności" . AWS . 28.11.2018 . Pobrano 09.06.2019 .
  28. ^ Robock, Mike (2018-11-29). „AWS rozwija się głęboko i szeroko dzięki usługom i możliwościom uczenia maszynowego” . FierceTelecom . Pobrano 09.06.2019 .
  29. ^ Janakiram, MSV (27.01.2019). „Amazon Open Sources SageMaker Neo uruchamia modele uczenia maszynowego na krawędzi” . Forbesa . Pobrano 09.06.2019 .
  30. ^ Digman, Larry (04.06.2019). „NASCAR przeniesie 18 petabajtów archiwów wideo do AWS” . ZDNet . Pobrano 09.06.2019 .
  31. ^ Pastorał Ry (02.05.2019). „Carsales buduje Tessa AI do sprawdzania reklam pojazdów” . Aktualności IT . Pobrano 09.06.2019 .
  32. ^ „Avis Budget Group i Slalom Dalsza cyfryzacja procesu wynajmu samochodów dzięki uczeniu maszynowemu na AWS” . AWS . 2019-05-31 . Pobrano 09.06.2019 .
  33. ^ „Volkswagen i AWS łączą siły, aby przekształcić produkcję motoryzacyjną” . Aktualności metrologiczne . 2019-05-24 . Pobrano 09.06.2019 .
  34. ^ Mari, Angelica (14.05.2019). „Footasylum intensyfikuje sztuczną inteligencję, aby zwiększyć koncentrację na kliencie” . Tygodnik komputerowy . Pobrano 09.06.2019 .
  35. ^ Pandey, Ashok (21.02.2019). „5 najlepszych platform uczenia maszynowego dla programistów” . CIOL . Pobrano 09.06.2019 .