AWS宣布八个新的亚马逊SageMaker能力

拉斯维加斯——(业务线)AWS再保险:发明,亚马逊网络服务,Inc . (AWS),一个Amazon.com Inc .公司(纳斯达克:Amazon)今天宣布八为亚马逊SageMaker新功能,它的端到端机器学习(ML)服务。开发人员、数据科学家和业务分析师使用Amazon SageMaker,火车,和部署毫升模型快速、轻松地使用它的完全管理基础设施、工具和工作流。作为顾客使用毫升继续创新,创造更多的模型比以往任何时候都和高级功能需要有效地管理模型开发、使用和性能。今天的声明包括新的亚马逊SageMaker治理功能,毫升生命周期中提供可见性模型的性能。新的亚马逊SageMaker Studio笔记本功能提供一个增强的笔记本体验,让客户检查和解决数据质量问题在几个点击,便于实时数据科学团队间的协作,并加速的过程,从实验到生产笔记本代码转换成自动工作。最后,在亚马逊SageMaker自动化模型验证和新功能更容易处理地理空间数据。开始与亚马逊SageMaker,访问aws.amazon.com/sagemaker。

“今天,成千上万的各种规模的客户和整个行业依靠亚马逊SageMaker。AWS客户建立数以百万计的模型、训练模型和数十亿的参数,并生成数以万亿计的每个月的预测。许多客户正在使用毫升,闻所未闻的仅仅是几年前,“副总裁Bratin萨哈说人工智能和机器学习在AWS。“今天宣布的新的亚马逊SageMaker能力让团队更容易加快毫升的端到端开发和部署模型。从专门的治理工具,新一代笔记本经验和简化模型测试,以增强对地理空间数据的支持,我们正在建设在亚马逊SageMaker的成功,帮助客户利用大规模毫升。”

云使访问毫升为更多的用户,但是直到几年前,建筑的过程中,训练,和部署模型仍然艰苦和单调乏味,需要连续迭代数据科学家的小团队模型生产就绪之前数周或数月。亚马逊SageMaker五年前启动的解决这些挑战,此后,AWS增加了250多个新特性和功能,以方便客户使用毫升在他们的业务。今天,一些客户雇佣数百从业者,他们使用Amazon SageMaker进行预测,帮助解决最棘手的挑战在改善客户体验,优化业务流程,加速新产品的开发和服务。毫升采用增加了,所以客户想要使用的类型的数据,以及治理的水平,自动化,和质量保证,客户需要支持负责任的使用毫升。今天的声明基于亚马逊SageMaker创新的历史支持所有技能水平的从业者,全世界。

新的亚马逊SageMaker毫升治理能力

亚马逊SageMaker规模提供了新功能,帮助客户更容易跨毫升模型生命周期的管理。作为组织内部模型和用户数量的增加,变得难以设置最小特权访问控制,建立治理流程文档模型的信息(例如,输入数据集,训练环境信息,模型使用描述,和风险评级)。一旦部署模型,客户还需要监控的偏见和特性漂移,以确保他们执行如预期。

• 亚马逊SageMaker角色管理器更易于控制访问和权限:适当的用户访问权限控制是治理的基石和支持数据隐私,防止信息泄露,确保从业人员可以访问他们需要的工具来做他们的工作。实现这些控制越来越复杂的数据科学团队膨胀数十甚至数百人。毫升administrators-individuals创建和监督组织的ML系统必须平衡推动简化开发,同时控制访问任务,资源和ML工作流中的数据。今天,管理员创建电子表格或使用临时列表导航访问策略需要几十种不同的活动(例如,数据准备和培训)和角色(例如,ML工程师和数据科学家)。维护这些工具手册,它可以花费数周时间来确定特定任务新用户需要有效地完成他们的工作。亚马逊SageMaker角色管理器使管理员更容易控制和定义的访问权限的用户。管理员可以选择和编辑预先构建的模板根据不同的用户角色和责任。然后工具自动创建访问策略提供必要的权限在几分钟内,减少时间和精力上和管理用户。
• 亚马逊SageMaker模型卡片简化模型信息收集:今天,大多数从业人员依靠不同的工具(例如,电子邮件、电子表格和文本文件)业务需求文档,关键决策,观察在模型开发和评估。从业者需要这些信息来支持审批工作流,登记、审核,客户调查和监测,但它可能需要数月时间来收集这些细节为每个模型。一些实践者试图解决这个问题通过建立复杂的记录系统,手动,耗费时间,而且容易出错。亚马逊SageMaker模型卡片提供一个位置将模型信息存储在AWS控制台简化文档模型的生命周期中。新功能填写培训细节如输入数据集,训练环境,培训结果直接进入亚马逊SageMaker模型卡片。从业者还可以包括其他信息使用一个自导的问卷信息文档模型(例如,性能目标、风险评级),培训和评估结果(例如,偏见或精度测量),和观察备查,进一步改善治理和支持毫升的负责任的使用。
• 亚马逊SageMaker模型仪表板提供了一个中央界面跟踪毫升模型:一旦模型部署到生产,从业者要跟踪他们的模型随着时间的推移,以了解它是如何执行和识别潜在的问题。这个任务通常是在一个单独的每个模型的基础,但作为一个组织开始部署成千上万的模型,这变得越来越复杂,需要更多的时间和资源。亚马逊SageMaker模型仪表板提供了一个全面的概述和端点部署模型,使从业人员追踪资源和模型的行为在一个地方。从仪表板,客户也可以使用内置集成与亚马逊SageMaker模型监控(AWS的模型和数据漂移监测能力)和亚马逊SageMaker澄清(AWS的ML bias-detection能力)。这个端到端可见性模型的行为和性能提供了必要的信息精简毫升治理过程和快速故障诊断模型问题。

了解更多关于亚马逊SageMaker治理功能,访问aws.amazon.com/sagemaker/ml-governance。

新一代笔记本电脑

亚马逊SageMaker工作室笔记本给从业者一个完全笔记本管理经验,从数据勘探部署。随着团队规模和复杂性的增长,许多从业者可能需要协同发展模型使用笔记本。AWS继续为用户提供最好的笔记本体验推出三种新功能帮助客户协调和自动化他们的笔记本电脑代码。

• 简化数据准备:从业者想探索数据直接在笔记本发现和纠正潜在的数据质量问题(例如,信息缺失,极端值,倾斜的数据集,和偏见),因为他们准备数据进行训练。从业者可以花几个月写样板代码可视化和检查其数据集的不同部分,识别并解决问题。亚马逊SageMaker工作室笔记本现在提供了一个内置的数据准备能力,允许从业者视觉审查数据特点和解决数据质量问题在几个点击所有直接在他们的笔记本电脑环境。当用户显示一个数据帧(即。数据的表格表示)在他们的笔记本电脑,亚马逊SageMaker工作室笔记本自动生成图表,帮助用户确定数据质量问题,提出数据转换来帮助解决常见的问题。一旦医生选择一个数据转换,亚马逊SageMaker工作室笔记本笔记本中生成相应的代码,因此它可以反复应用每次运行笔记本。
• 加速数据科学团队间的协作:数据已经准备好后,从业人员就可以开始开发一个建模一个迭代过程,可能需要队友合作在一个笔记本上。今天,团队必须交换笔记本和其他资产(如模型和数据集)通过电子邮件或聊天应用程序实时一起工作在一个笔记本,导致疲劳、通信延迟反馈循环,和版本控制问题。亚马逊SageMaker现在给团队一个工作区,在那里他们可以读取、编辑和运行笔记本在实时简化协作和沟通。队友一起可以检查笔记本的结果立即了解模型执行,没有来回传递信息。内置支持服务,比如BitBucket都和AWS CodeCommit,团队可以很容易地管理和比较不同的笔记本版本会随着时间而改变。附属资源,如实验和ML模式,也自动保存帮助团队保持组织。
• 笔记本电脑的自动转换代码生产就绪的工作:当医生想要完成ML模式进入生产,他们通常从笔记本的片段代码复制到一个脚本,脚本包依赖关系到一个容器,容器和进度。安排这个工作反复运行,他们必须设置,配置和管理持续集成和持续交付(CI / CD)管道自动化部署。它可以花费数周获得所有必要的基础设施,这需要时间远离核心毫升开发活动。亚马逊SageMaker工作室笔记本现在允许从业人员选择一个笔记本和自动化的工作,可以在生产环境中运行。一旦选定一个笔记本,亚马逊SageMaker工作室笔记本需要快照整个笔记本,包一个容器的依赖关系,建立基础设施,运行笔记本作为一个自动化的工作安排制定的从业者,和去除在工作完成的基础设施,减少所花费的时间移动笔记本生产从几周时间。

开始使用下一代亚马逊SageMaker工作室笔记本和这些新功能,访问aws.amazon.com/sagemaker/notebooks。

使用实时推理请求自动验证新模型

在部署到生产环境之前,从业者测试和验证每一个模型检查的性能和识别错误,可能会对业务造成负面影响。通常,他们使用历史推理请求数据来测试性能的一种新的模式,但这个数据有时未能占当前,实际推理请求。例如,历史数据的ML模型计划最快的路线可能无法占意外或突然道路关闭,显著改变了交通流量。为了解决这个问题,从业者推理的一个副本请求路由要生产模型,新模型他们想测试。它可以花费数周时间来构建这个测试基础设施,镜子推理请求,并比较模型如何执行在关键指标(如延迟和吞吐量)。尽管这为从业者提供了更大的信心在模型将如何执行,实现这些解决方案的成本和复杂性为成百上千的模型使其不能攀登的。

现在亚马逊SageMaker推理提供了一种方便从业人员能力比较新车型的性能和生产模型,使用相同的现实世界的实时推理请求数据。现在,他们可以很容易地扩展测试同时成千上万的新车型,没有建立自己的测试基础设施。开始,客户选择他们想要的生产模型测试,和亚马逊SageMaker推理将新模型部署到一个托管环境相同的条件。亚马逊SageMaker路线推理的一个副本请求收到生产模型,新模型并创建一个仪表板显示性能不同,不同的关键指标,所以客户可以看到每个模型不同。一旦客户验证新模型的性能和潜在的错误,相信它是免费的,他们可以安全地部署它。了解更多关于亚马逊SageMaker推论,访问aws.amazon.com/sagemaker/shadow-testing。

新的地理空间能力在亚马逊SageMaker方便客户使用卫星和位置数据进行预测

今天,大多数数据捕获的地理空间信息(例如,位置坐标、天气图和交通数据)。然而,只有少量的用于毫升是因为地理空间数据难以处理和规模往往是pb,横跨整个城市或数百英亩的土地。开始构建一个地理空间模型,客户通常由采购第三方数据源增强他们的专有数据如卫星图像或地图数据。从业者需要结合这些数据,它准备训练,然后编写代码来将数据集划分为可控的子集,由于大量地理空间数据的大小。一旦客户准备部署他们的训练模式,它们必须编写更多的代码来重组多个数据集关联数据和ML模型预测。从完成模型提取预测,从业人员需要花几天使用开源地图上可视化工具来呈现。整个过程从数据浓缩可视化可能需要数月时间,这使得消费者很难利用地理空间数据并生成及时毫升预测。

现在亚马逊SageMaker加速和简化生成地理空间毫升预测通过使客户来丰富他们的数据集,训练地理空间模型和可视化结果在几个小时而不是几个月。只需要点击几下或使用一个API,客户可以使用Amazon SageMaker从AWS访问一系列地理空间数据来源(例如,亚马逊位置服务),开源的数据集(例如,亚马逊开放数据),或自己的专有数据包括从第三方提供商(如地球实验室)。一旦医生选择他们想要使用的数据集,它们可以利用内置运营商把这些数据集与自己的私有数据。加速模型发展,亚马逊SageMaker提供pre-trained深度学习等用例模型与精准农业增加作物产量,监测区域自然灾害之后,城市规划和改善。训练后,内置的可视化工具显示数据在地图上发现新的预测。了解更多关于亚马逊SageMaker的新地理空间能力,访问aws.amazon.com/sagemaker/geospatial。

Capitec银行是南非最大的数字银行超过1000万数字客户。Capitec”,我们有一个广泛的数据科学家在我们的产品线构建不同毫升解决方案,”院长说,毫升工程师Capitec银行。“我们毫升工程师管理集中建模平台建立在亚马逊SageMaker赋予这些毫升的开发和部署解决方案。没有任何内置的工具,跟踪文档建模工作脱节的倾向和缺乏可见性模型。与亚马逊SageMaker模型卡,我们可以跟踪大量的模型元数据在一个统一的环境下,和亚马逊SageMaker模型仪表板提供可见性每个模型的性能。此外,亚马逊SageMaker角色管理器简化了访问管理数据科学家在我们不同的产品线。这些贡献对我们的模型管理是足以保证我们的客户对我们的信任作为金融服务提供者”。

EarthOptics soil-data-measurement和映射的公司,利用专用的传感器技术和数据分析精确测量土壤的健康和结构。“我们想用毫升,帮助客户增加农业产量与成本效益的土壤地图,“说Lars Dyrud EarthOptics的首席执行官。“亚马逊SageMaker的地理空间毫升能力允许我们快速原型与多个数据源,减少算法的时间研究和生产之间的API部署到一个月。由于亚马逊SageMaker,我们现在有土壤碳封存地理空间解决方案部署在美国农场和牧场”

这技术是一个领先的家和技术平台,帮助客户创建自定义地图和位置的经验建立在高度精确的位置数据。“我们的客户需要实时上下文做出业务决策时利用空间格局和趋势的见解,“乔凡尼Lanfranchi说,这里的技术产品和技术总监。“我们依靠毫升自动化定位的摄入来自不同数据源的数据丰富上下文和加速分析。亚马逊SageMaker的新测试功能允许我们更加严格和主动测试毫升模型生产,避免不良影响客户和任何潜在的中断,因为一个错误的部署模型。这是至关重要的,因为我们的客户依赖我们提供及时的见解基于实时位置数据变化的每一分钟。”

直觉是国家繁荣的全球金融技术平台与tutbotax全世界有超过1亿的客户,信贷业力,QuickBooks, Mailchimp的。“我们释放的力量改变世界的消费数据,自由职业者,在我们的平台上和中小企业财政”Brett赫尔曼说,Intuit的工程和产品开发主管。“进一步提高团队效率获得AI-driven产品市场的速度,我们在设计与AWS紧密合作的新团队协作能力SageMaker工作室笔记本。我们兴奋地简化沟通和协作,使我们的团队规模毫升与亚马逊SageMaker工作室开发。”

关于亚马逊网络服务

超过15年,亚马逊网络服务一直是世界上最全面和广泛采用云产品。AWS一直不断扩大其服务来支持任何云工作量,现在有200多个功能齐全的服务计算,存储,数据库,网络,分析,机器学习和人工智能(AI)、物联网(物联网),移动安全、混合、虚拟和增强现实(VR和AR),媒体,和应用程序开发、部署和管理从96年30地理区域内可用性区域,与计划15日宣布更多的可用性区域和五个AWS地区在澳大利亚、加拿大、以色列、新西兰、泰国。数以百万计的客户包括增长最快的初创企业,最大的企业,政府和领导agencies-trust AWS电力基础设施,变得更加敏捷,并降低成本。了解更多关于AWS访问aws.amazon.com。

对亚马逊

亚马逊坚持四项指导原则:客户困扰而不是竞争对手重点,热爱发明,致力于卓越的管理,和长远的思考。亚马逊致力于是星球上最以客户为中心的公司,地球的最佳雇主,和地球的安全的工作场所。顾客评论,1点击购物,个性化推荐,质数,实现由Amazon, AWS, Kindle直接出版,Kindle,职业选择,平板电脑,电视,亚马逊呼应,Alexa,刚刚走出技术,亚马逊工作室,和气候承诺是由亚马逊的一些事情。欲了解更多信息,请访问amazon.com/about并遵循@AmazonNews。

来源:Amazon.com Inc .。