AWS affirme que son service ML SageMaker réunit plusieurs fonctions nouvelles, notamment la préparation plus rapide des données
Les fonctionnalités ajoutées par AWS à son service ML SageMaker doivent faciliter l'automatisation et la mise à l'échelle de toutes les étapes du processus d'apprentissage de bout en bout par les développeurs.
L'ajout de fonctionnalités au service d'apprentissage machine SageMaker du fournisseur de cloud est l'une des nombreuses annonces faites par AWS lors de sa conférence en ligne re:Invent 2020, étalée cette année sur 3 semaines (du 30 novembre au 18 décembre). Selon Amazon, ces nouvelles fonctionnalités permettront aux développeurs d'automatiser et de mettre à l'échelle plus facilement toutes les étapes du processus d'apprentissage de bout en bout.
De manière générale, AWS affirme que son service réunit plusieurs fonctions nouvelles, notamment la préparation plus rapide des données, un référentiel spécialement conçu pour les données préparées, l'automatisation des flux de travail, une plus grande transparence des données de formation pour réduire les biais et expliquer les prédictions, des capacités de formation distribuées pour entraîner de grands modèles jusqu'à deux fois plus rapidement et la surveillance des modèles sur les appareils edge.
Les nouvelles capacités sont les suivantes :
SageMaker Data Wrangler : elle permet aux développeurs de préparer les données plus rapidement et plus facilement pour l'apprentissage machine.
SageMaker Feature Store : elle fournit un entrepôt de données spécialement conçu pour le stockage, la mise à jour, la récupération et le partage des fonctions d'apprentissage machine.
SageMaker Pipelines : selon AWS, c'est le premier service d'intégration continue et de livraison continue (CI/CD) spécialement conçu et facile à utiliser pour l'apprentissage machine à la disposition des développeurs.
SageMaker Clarify : elle offre aux développeurs une plus grande visibilité sur leurs données de formation et leur permet de limiter les biais dans les modèles d'apprentissage machine et d'expliquer les prédictions.
Profilage profond pour SageMaker Debugger : cette fonction permet de surveiller les performances de la formation à l'apprentissage machine afin d'aider les développeurs à entraîner leurs modèles plus rapidement.
Formation distribuée sur SageMaker : ces nouvelles capacités permettent d'entraîner de grands modèles de ML jusqu'à deux fois plus rapidement que ce qu'il est possible de faire avec les processeurs d'apprentissage machine actuels.
SageMaker Edge Manager : cette fonction permet de surveiller et de gérer les modèles d'apprentissage machine à la périphérie afin de s'assurer que les modèles déployés en production fonctionnent correctement.
SageMaker JumpStart : cette capacité donne accès à un portail de développement dans lequel les développeurs peuvent trouver des modèles préformés et des flux de travail pré-construits.
Suivez-nous