AWS anunció nueve nuevas capacidades para su servicio de machine learning líder del sector, Amazon SageMaker, lo que facilitará aún más a los desarrolladores automatizar y escalar completamente todos los pasos del flujo de trabajo de machine learning. Los anuncios de hoy reúne nuevas y potentes capacidades, como una preparación de datos más rápida, un repositorio especialmente diseñado para datos preparados, automatización del flujo de trabajo, mayor transparencia en los datos de entrenamiento para mitigar el sesgo y explicar las predicciones, capacidades de entrenamiento distribuidas para entrenar modelos grandes hasta dos veces más rápido, y monitoreo de modelos en dispositivos edge. Para comenzar con Amazon SageMaker, visite: https://aws.amazon.com/sagemaker
- Amazon SageMaker Data Wrangler proporciona la forma más rápida y sencilla de que los desarrolladores preparen datos para machine learning
- Amazon SageMaker Feature Store ofrece un almacén de datos especialmente diseñado para almacenar, actualizar, recuperar y compartir características de machine learning
- Amazon SageMaker Pipelines ofrece a los desarrolladores el primer servicio de integración y entrega continua (CI/ CD), fácil de usar y especialmente diseñado para machine learning
- Amazon SageMaker Clarify ofrece a los desarrolladores una mayor visibilidad de sus datos de entrenamiento para que puedan limitar el sesgo en los modelos de machine learning y explicar las predicciones
- Deep Profiling de Amazon SageMaker Debugger monitorea el rendimiento del entrenamiento de machine learning para ayudar a los desarrolladores a que sus modelos aprendan más rápido
- Distributed Training de Amazon SageMaker ofrece nuevas capacidades que pueden entrenar modelos grandes hasta dos veces más rápido de lo que sería posible con los procesadores de machine learning actuales
- Amazon SageMaker Edge Manager ofrece monitoreo y administración de modelos de machine learning para dispositivos edge y así garantizar que los modelos implementados en producción funcionen correctamente
- Amazon SageMaker JumpStart, un portal para desarrolladores con modelos pre entrenados y flujos de trabajo prediseñados
El aprendizaje automático se está volviendo más común, pero aún está evolucionando a un ritmo rápido. Con toda la atención que ha recibido el aprendizaje automático, parece que debería ser sencillo crear modelos de aprendizaje automático, pero no lo es. Para crear un modelo, los desarrolladores deben comenzar con el proceso altamente manual de preparar los datos. Luego, necesitan visualizarlo en cuadernos, elegir el algoritmo correcto, configurar el marco, entrenar el modelo, ajustar millones de parámetros posibles, implementar el modelo y monitorear su desempeño. Este proceso debe repetirse continuamente para garantizar que el modelo funcione como se espera a lo largo del tiempo. En el pasado, este proceso ponía el aprendizaje automático fuera del alcance de todos los desarrolladores, excepto los más capacitados. Sin embargo, Amazon SageMaker ha cambiado eso.
Amazon SageMaker es un servicio completamente administrado que elimina los desafíos de cada etapa del proceso de aprendizaje automático, lo que hace que sea radicalmente más fácil y rápido para los desarrolladores y científicos de datos de todos los días construir, entrenar e implementar modelos de aprendizaje automático. Decenas de miles de clientes utilizan Amazon SageMaker para ayudar a acelerar sus implementaciones de aprendizaje automático, incluidas 3M, ADP, AstraZeneca, Avis, Bayer, Bundesliga, Capital One, Cerner, Chick-fil-A, Convoy, Domino’s Pizza, Fidelity Investments, GE Healthcare , Georgia-Pacific, Hearst, iFood, iHeartMedia, JPMorgan Chase, Intuit, Lenovo, Lyft, National Football League, Nerdwallet, T-Mobile, Thomson Reuters y Vanguard.
“Cientos de miles de desarrolladores y científicos de datos de todos los días han utilizado nuestro servicio de aprendizaje automático líder en la industria, Amazon SageMaker, para eliminar las barreras a la creación, capacitación e implementación de modelos de aprendizaje automático personalizados. Una de las mejores partes de tener un servicio tan ampliamente adoptado como SageMaker es que recibimos muchas sugerencias de los clientes que impulsan nuestro próximo conjunto de entregables «, dijo Swami Sivasubramanian, vicepresidente de Amazon Machine Learning, Amazon Web Services, Inc.» Hoy, anunciamos un conjunto de herramientas para Amazon SageMaker que hace que sea mucho más fácil para los desarrolladores crear canalizaciones de aprendizaje automático de extremo a extremo para preparar, construir, entrenar, explicar, inspeccionar, monitorear, depurar y ejecutar modelos personalizados de aprendizaje automático. con mayor visibilidad, explicabilidad y automatización a escala «.
Con operaciones corporativas en 70 países y ventas en 200, 3M está creando la tecnología y los productos que hacen avanzar a todas las empresas, mejoran cada hogar y mejoran la vida cotidiana. “ El éxito de 3M se basa en nuestros investigadores emprendedores y nuestro enfoque constante en la ciencia. Una forma en la que hemos avanzado la ciencia de nuestros productos es la adopción del aprendizaje automático en AWS ”, dijo David Frazee, director técnico del Laboratorio de investigación de sistemas corporativos de 3M. «Mediante el uso del aprendizaje automático, 3M está mejorando productos probados y comprobados, como el papel de lija, e impulsando la innovación en varios otros espacios, incluida la atención médica. A medida que planeamos escalar el aprendizaje automático a más áreas de 3M, vemos que la cantidad de datos y modelos crece rápidamente, duplicando cada año. Estamos entusiasmados con las nuevas funciones de Amazon SageMaker porque nos ayudarán a escalar. Amazon SageMaker Data Wrangler facilita mucho la preparación de datos para el entrenamiento de modelos, y Amazon SageMaker Feature Store eliminará la necesidad de crear las mismas características del modelo una y otra vez. Finalmente, Amazon SageMaker Pipelines nos ayudará a automatizar la preparación de datos, la construcción de modelos y la implementación de modelos en un flujo de trabajo de extremo a extremo para que podamos acelerar el tiempo de comercialización de nuestros modelos. Nuestros investigadores esperan aprovechar la nueva velocidad de la ciencia en 3M «.
Deloitte está ayudando a transformar organizaciones en todo el mundo. La organización evoluciona continuamente cómo trabaja y cómo ve los desafíos del mercado para que pueda continuar brindando resultados medibles y sostenibles para sus clientes y comunidades. » Amazon SageMaker Data Wrangler nos permite ponernos en marcha para abordar nuestras necesidades de preparación de datos con una rica colección de herramientas de transformación que aceleran el proceso de preparación de datos de aprendizaje automático necesario para llevar nuevos productos al mercado», dijo Frank Farrall, director, IA Líder de Ecosistemas y Plataformas en Deloitte. » A su vez, nuestros clientes se benefician de la velocidad a la que escalamos las implementaciones, lo que nos permite ofrecer resultados medibles y sostenibles que satisfacen las necesidades de nuestros clientes en cuestión de días en lugar de meses».
The Climate Corporation (Climate) es una subsidiaria de Bayer y el líder de la industria en llevar la innovación digital a los agricultores de todo el mundo al aumentar su productividad mediante el uso de herramientas digitales. El clima se centra en ayudar a los agricultores a comprender sus campos de formas que nunca antes habían sido posibles y a obtener recomendaciones impactantes de los datos agrícolas. “ En Climate, creemos en proporcionar a los agricultores del mundo información precisa para tomar decisiones basadas en datos y maximizar su rendimiento en cada acre”, dijo Daniel McCaffrey, vicepresidente de datos y análisis de Climate. «Para lograr esto, hemos invertido en tecnologías como herramientas de aprendizaje automático para construir modelos utilizando entidades medibles conocidas como características, como el rendimiento para un campo de cultivo. Con Amazon SageMaker Feature Store, podemos acelerar el desarrollo de modelos de aprendizaje automático con un almacén de funciones central para acceder y reutilizar funciones en varios equipos fácilmente. La Tienda de funciones de Amazon SageMaker facilita el acceso a las funciones en tiempo real utilizando la tienda en línea o ejecuta funciones en un horario utilizando la tienda fuera de línea para diferentes casos de uso. Con Amazon SageMaker Feature Store, podemos desarrollar modelos de aprendizaje automático más rápido «.
iFood es un portal de entrega de alimentos en línea y una de las empresas de entrega de alimentos más grandes de América Latina que ofrece servicios de calidad a los consumidores. » En iFood, nos esforzamos por complacer a nuestros clientes a través de nuestros servicios utilizando tecnología como el aprendizaje automático», dijo Sandor Caetano, científico jefe de datos de iFood. «Hemos estado utilizando Amazon SageMaker para nuestros modelos de aprendizaje automático para crear aplicaciones de alta calidad en toda nuestra empresa. La creación de un flujo de trabajo completo y fluido para desarrollar, entrenar e implementar modelos ha sido una parte fundamental de nuestro viaje para escalar el aprendizaje automático. Amazon SageMaker Pipelines nos ayuda a crear rápidamente múltiples flujos de trabajo de aprendizaje automático automatizados escalables y facilita la implementación y administración de nuestros modelos de manera efectiva. Amazon SageMaker Pipelines nos permite ser más eficientes con nuestro ciclo de desarrollo. Continuamos enfatizando nuestro liderazgo en el uso de inteligencia artificial y aprendizaje automático para brindar un servicio al cliente superior y eficiencia con todas estas nuevas capacidades de Amazon SageMaker «.
Desde que nombró a AWS como su proveedor de tecnología oficial en enero de 2020, la DFL Deutsche Fußball Liga, organizador y comercializador de las principales ligas de fútbol de Alemania, Bundesliga y Bundesliga 2, y AWS se han embarcado en un viaje juntos para brindar análisis deportivos avanzados, a través de Bundesliga Match. Datos impulsados por AWS que cobran vida para los fanáticos y las cadenas de televisión de todo el mundo. “ Amazon SageMaker Clarify se integra a la perfección con el resto de la plataforma digital Match Facts de la Bundesliga y es una parte clave de nuestra estrategia a largo plazo de estandarizar nuestros flujos de trabajo de aprendizaje automático en Amazon SageMaker”, dijo Andreas Heyden, vicepresidente ejecutivo de Innovaciones Digitales de Grupo DFL. «Mediante el uso de tecnologías innovadoras de AWS, como el aprendizaje automático, para brindar información más detallada y brindar a los fanáticos una mejor comprensión de las decisiones tomadas en una fracción de segundo en el campo, Bundesliga Match Facts permite a los espectadores obtener información más profunda sobre las decisiones clave en cada uno. partido.»
Turbine es una empresa de descubrimiento de fármacos impulsada por simulación que ofrece terapias contra el cáncer dirigidas a los pacientes. “ Utilizamos el aprendizaje automático para entrenar nuestro modelo de célula humana in silico, llamado Simulated Cell ™, basado en una arquitectura de red patentada. Al predecir con precisión varias intervenciones a nivel molecular, Simulated Cell ™ nos ayuda a descubrir nuevos medicamentos contra el cáncer y encontrar socios combinados para las terapias existentes ”, dijo Kristóf Szalay, director de tecnología de Turbine. «El entrenamiento de nuestra simulación es algo en lo que repetimos continuamente, pero en una sola máquina cada entrenamiento lleva días, lo que dificulta nuestra capacidad de iterar sobre nuevas ideas rápidamente. Estamos muy entusiasmados con la Capacitación distribuida en Amazon SageMaker, que esperamos reducir nuestros tiempos de capacitación en un 90% y ayudarnos a concentrarnos en nuestra tarea principal: escribir la mejor base de código para la capacitación del modelo celular. Amazon SageMaker, en última instancia, nos permite ser más eficaces en nuestra misión principal: identificar y desarrollar nuevos medicamentos contra el cáncer para los pacientes».
Latent Space es una startup enfocada en construir el primer motor de juegos 3D totalmente renderizado por IA del mundo. “ En Latent Space, estamos construyendo un motor de juego renderizado neuronal donde cualquiera puede crear a la velocidad del pensamiento. Impulsados por los avances en el modelado del lenguaje, estamos trabajando para incorporar la comprensión semántica de texto e imágenes para determinar qué generar ”, dijo Sara Jane, cofundadora y directora científica de Latent Space. «Nuestro enfoque actual es utilizar la recuperación de información para aumentar el entrenamiento de modelos a gran escala, para lo cual contamos con sofisticados canales de aprendizaje automático. Esta configuración presenta un desafío además del entrenamiento distribuido, ya que se entrenan múltiples fuentes de datos y modelos al mismo tiempo. Como tal, estamos aprovechando las nuevas capacidades de capacitación distribuida en Amazon SageMaker para escalar de manera eficiente la capacitación para grandes modelos generativos «.
Lenovo es el mayor fabricante de computadoras personales del mundo. Lenovo diseña y fabrica dispositivos como computadoras portátiles, tabletas, teléfonos inteligentes y una variedad de dispositivos inteligentes de IoT. “ En Lenovo, somos más que un proveedor de hardware y estamos comprometidos a ser un socio de confianza para transformar la experiencia de los dispositivos de los clientes y cumplir sus objetivos comerciales. Lenovo Device Intelligence es un gran ejemplo de cómo lo estamos haciendo con el poder del aprendizaje automático, mejorado por Amazon SageMaker ”, dijo Igor Bergman, vicepresidente de Lenovo, nube y software de PC y dispositivos inteligentes. «Con Lenovo Device Intelligence, los administradores de TI pueden diagnosticar proactivamente los problemas de la PC y ayudar a predecir posibles fallas del sistema antes de que ocurran, lo que ayuda a disminuir el tiempo de inactividad y aumentar la productividad de los empleados. Al incorporar Amazon SageMaker Neo, ya hemos visto una mejora sustancial en la ejecución de nuestros modelos predictivos en el dispositivo, una señal alentadora para el nuevo Amazon SageMaker Edge Manager que se agregará en las próximas semanas. El nuevo Amazon SageMaker Edge Manager ayudará a eliminar el esfuerzo manual requerido para optimizar, monitorear y mejorar continuamente los modelos después de la implementación. Con él, esperamos que nuestros modelos se ejecuten más rápido y consuman menos memoria que con otras plataformas de aprendizaje automático comparables. A medida que ampliamos la IA a nuevas aplicaciones en la cartera de servicios de Lenovo, Seguiremos requiriendo una canalización de alto rendimiento que sea flexible y escalable tanto en la nube como en millones de dispositivos periféricos. Por eso seleccionamos la plataforma Amazon SageMaker. Con sus amplias capacidades de flujo de trabajo de borde a nube y CI / CD, podemos llevar nuestros modelos de aprendizaje automático de manera efectiva a cualquier flujo de trabajo de dispositivo para una productividad mucho mayor «.
MyCase ofrece un potente software de gestión de la práctica jurídica que ayuda a los bufetes de abogados a funcionar de manera eficiente desde cualquier lugar, brindar una experiencia excepcional al cliente y realizar un seguimiento fácil del desempeño del bufete. » Tenemos varios elementos comerciales y de productos que se pueden mejorar con el aprendizaje automático», dijo Gus Nguyen, ingeniero de software de MyCase. “ Amazon SageMaker JumpStart nos permite lanzar soluciones de extremo a extremo con un solo clic y acceder a una colección de computadoras portátiles para ayudarnos a comprender más profundamente a los clientes y utilizar predicciones para satisfacer mejor sus necesidades. Gracias a Amazon SageMaker JumpStart, podemos tener mejores puntos de partida, lo que hace que podamos implementar una solución de aprendizaje automático para nuestros propios casos de uso en cuatro a seis semanas en lugar de tres o cuatro meses «.
