Amazon heeft SageMaker, het end-to-end platform voor het bouwen, trainen en implementeren van machine learning-modellen, voorzien van een aantal nieuwe functies. De toevoeging is onderdeel van Amazon’s plannen om Amazon Web Services (AWS) meer te voorzien van artificial intelligence (AI)-functies.
Zo maakte het bedrijf volgens Venturebeat eerder deze week nog bekend ondersteuning te bieden voor real-time transcripties en aangepaste entiteiten inzake AWS’s automatische spraakherkenning – en natuurlijke taalverwerkingsservice (ASR).
Basis van succes
“Machine learning is een zeer collaboratief proces. Het combineren van domein ervaring met technische vaardigheden is de basis van succes en vereist vaak meerdere herhalingen en experimenten met verschillende datasets en functies.
Het trainen van een succesvol model is bijna nooit een ‘hole-in-one’. Het is dus belangrijk om op de hoogte te blijven van belangrijke beslissingen, dat wat werkt te herhalen en voor dat wat niet werkt hulp te vragen”, aldus Matt Wood, algemeen directeur Learning en artificial intelligence (AI) bij Amazon Web Services, in een van zijn blogs.
Zo heeft het bedrijf SageMaker voorzien van Sagemaker Search. Gebruikers kunnen langs deze weg verschillende AI-modeltrainingen vinden, die naar eigen zeggen zijn uitgevoerd met unieke combinaties van datasets, algoritmen en parameters. De nieuwe functie is toegankelijk via de SageMaker-console.
Ingebouwde algoritmen
Verder is ook de functie ‘Step Functions’ toegevoegd om zo de verschillende stappen die nodig zijn om een ​​machine-leerworkflow te voltooien, te coördineren en is het voortaan mogelijk om AWS te integreren met ‘Apache Airflow’. Dit betreft een open source-framework voor het opstellen, plannen en bewaken van workflows. Deze laatste twee functies zijn volgens Amazon vanaf december dit jaar beschikbaar.
Amazon laat weten dat SageMaker nu voldoet aan Amazon’s System en Organizational Controls (SOC) niveau 1, niveau 2 en niveau 3 audits. Ook zouden de nieuwe AI-functies aansluiten bij een drietal nieuw ingebouwde algortimen gericht op verdachte IP-adressen (IP Insights), laag-dimensionale inbeddings voor hoge dimensionale objecten (Object2Vec) en onbewaakte groepering (K-means clustering). Alle bedoelt voor onder meer SageMaker, Uber’s Horovod en Spark MLeap.
Accreditatie, experimenten en automatisering
Wood: “Door ons bijna uitsluitend te richten op waar klanten om vragen, maken we echte vooruitgang in het bruikbaar maken van machine learning in de echte wereld via Amazon SageMaker. Accreditatie, experimenten en automatisering zijn niet altijd het eerste waar je aan denkt, als het gaat om kunstmatige intelligentie. Maar volgens onze klanten kunnen deze functies de tijd die nodig is om modellen te bouwen, te trainen en te implementeren, aanzienlijk verkorten.”
Gerelateerd: Amazon brengt AWS machine learning-technologie naar de Edge voor IoT