يساعد التعلم الآلي (ML) المؤسسات على تحقيق الإيرادات وخفض التكاليف وتخفيف المخاطر وزيادة الكفاءات وتحسين الجودة من خلال تحسين وظائف الأعمال الأساسية عبر وحدات أعمال متعددة مثل التسويق والتصنيع والعمليات والمبيعات والتمويل وخدمة العملاء. باستخدام AWS ML ، يمكن للمؤسسات تسريع إنشاء القيمة من شهور إلى أيام. قماش أمازون سيج ميكر هي خدمة بصرية تعتمد على الإشارة والنقر تتيح لمحللي الأعمال إنشاء تنبؤات دقيقة بشأن تعلم الآلة بدون كتابة سطر واحد من التعليمات البرمجية أو تتطلب خبرة في تعلم الآلة. يمكنك استخدام النماذج لعمل تنبؤات بشكل تفاعلي ولتسجيل الدُفعات على مجموعات البيانات المجمعة.
في هذا المنشور ، نعرض الأنماط المعمارية حول كيفية استخدام فرق العمل لنماذج ML المبنية في أي مكان من خلال إنشاء تنبؤات في Canvas وتحقيق نتائج أعمال فعالة.
يخلق هذا التكامل لتطوير النموذج ومشاركته تعاونًا أوثق بين فرق الأعمال وعلوم البيانات ويقلل من الوقت المستغرق في القيمة. يمكن لفرق العمل استخدام النماذج الحالية التي أنشأها علماء البيانات أو الأقسام الأخرى لحل مشكلة العمل بدلاً من إعادة بناء نماذج جديدة في البيئات الخارجية.
أخيرًا ، يمكن لمحللي الأعمال استيراد النماذج المشتركة إلى Canvas وإنشاء تنبؤات قبل نشرها في الإنتاج ببضع نقرات فقط.
حل نظرة عامة
يصف الشكل التالي ثلاثة أنماط معمارية مختلفة لتوضيح كيف يمكن لعلماء البيانات مشاركة النماذج مع محللي الأعمال ، الذين يمكنهم بعد ذلك إنشاء تنبؤات مباشرة من تلك النماذج في الواجهة المرئية لـ Canvas:
المتطلبات الأساسية المسبقة
لتدريب النموذج الخاص بك وبنائه باستخدام SageMaker وإحضار النموذج الخاص بك إلى Canvas ، أكمل المتطلبات الأساسية التالية:
- إذا لم يكن لديك بالفعل مجال SageMaker ومستخدم Studio ، قم بإعداد وإدخال مستخدم Studio إلى مجال SageMaker.
- تمكين وإعداد Canvas الأذونات الأساسية للمستخدمين و منح المستخدمين أذونات للتعاون مع Studio.
- يجب أن يكون لديك نموذج مدرب من الطيار الآلي أو JumpStart أو سجل النموذج. بالنسبة لأي نموذج قمت بإنشائه خارج SageMaker ، يجب عليك تسجيل النموذج الخاص بك في سجل النموذج قبل استيراده إلى Canvas.
الآن لنفترض دور عالم البيانات الذي يتطلع إلى تدريب وبناء ونشر ومشاركة نماذج ML مع محلل أعمال لكل من هذه الأنماط المعمارية الثلاثة.
استخدم الطيار الآلي والقماش
يقوم الطيار الآلي بأتمتة المهام الرئيسية لعملية ML (AutoML) التلقائية مثل استكشاف البيانات ، واختيار الخوارزمية ذات الصلة لنوع المشكلة ، ثم تدريبها وضبطها. يمكن تحقيق كل هذا مع السماح لك بالحفاظ على التحكم الكامل والرؤية على مجموعة البيانات. يقوم الطيار الآلي تلقائيًا باستكشاف الحلول المختلفة للعثور على أفضل نموذج ، ويمكن للمستخدمين إما التكرار على نموذج ML أو نشر النموذج مباشرةً في الإنتاج بنقرة واحدة.
في هذا المثال ، نستخدم زبون الزبون الاصطناعية بيانات من مجال الاتصالات ويتم تكليفهم بتحديد العملاء الذين يحتمل أن يكونوا معرضين لخطر الاضطراب. أكمل الخطوات التالية لاستخدام الطيار الآلي AutoML لإنشاء نموذج ML وتدريبه ونشره ومشاركته مع محلل أعمال:
- تحميل بيانات، قم بتحميله على Amazon S3 (خدمة تخزين أمازون البسيطة) ، وقم بتدوين S3 URI.
- في وحدة تحكم الاستوديو ، اختر AutoML في جزء التنقل.
- اختار إنشاء تجربة AutoML.
- حدد اسم التجربة (لهذه المشاركة ،
Telecom-Customer-Churn-AutoPilot
) وإدخال بيانات S3 وموقع الإخراج. - قم بتعيين العمود الهدف على أنه تموج.
- في إعدادات النشر ، يمكنك تمكين خيار النشر التلقائي لإنشاء نقطة نهاية تنشر أفضل نموذج لديك وتقوم بتشغيل الاستدلال على نقطة النهاية.
لمزيد من المعلومات ، راجع أنشئ تجربة Amazon SageMaker Autopilot.
- اختر تجربتك ، ثم حدد أفضل نموذج لديك واختر نموذج المشاركة.
- أضف مستخدم Canvas واختر مشاركة لمشاركة النموذج.
(ملاحظات: لا يمكنك مشاركة النموذج مع نفس مستخدم Canvas المستخدم لتسجيل الدخول إلى الاستوديو. على سبيل المثال ، لا يمكن لمستخدم Studio-A مشاركة النموذج مع Canvas User-A. ولكن يمكن للمستخدم A مشاركة النموذج مع المستخدم B ، وبالتالي اختيار استخدامات مختلفة لمشاركة النموذج)
لمزيد من المعلومات ، راجع مستخدمو الاستوديو: شارك نموذجًا مع SageMaker Canvas.
استخدم JumpStart و Canvas
JumpStart هو مركز تعلّم آلي يوفر نماذج مفتوحة المصدر مدربة مسبقًا لمجموعة واسعة من حالات استخدام ML مثل اكتشاف الاحتيال والتنبؤ بمخاطر الائتمان واكتشاف عيوب المنتج. يمكنك نشر أكثر من 300 نموذج مُدرَّب مسبقًا للبيانات الجدولية والرؤية والنصية والصوتية.
في هذا المنشور ، نستخدم نموذج انحدار LightGBM مدرب مسبقًا من JumpStart. نقوم بتدريب النموذج على مجموعة بيانات مخصصة ومشاركة النموذج مع مستخدم Canvas (محلل أعمال). يمكن نشر النموذج المدرَّب مسبقًا على نقطة نهاية للاستدلال. يوفر JumpStart مثالاً لدفتر ملاحظات للوصول إلى النموذج بعد نشره.
في هذا المثال ، نستخدم الامتداد مجموعة بيانات أذن البحر. تحتوي مجموعة البيانات على أمثلة لثمانية قياسات فيزيائية مثل الطول والقطر والارتفاع للتنبؤ بعمر أذن البحر (مشكلة الانحدار).
- تحميل مجموعة بيانات أذن البحر من Kaggle.
- أنشئ حاوية S3 وقم بتحميل مجموعات بيانات القطار والتحقق من الصحة والمخصصة للرأس.
- على وحدة تحكم الاستوديو ، تحت سيج ميكر جومب ستارت في جزء التنقل ، اختر النماذج والدفاتر والحلول.
- تحت النماذج الجدولية، اختر انحدار LightGBM.
- تحت نموذج القطار، حدد S3 URIs للتدريب والتحقق من الصحة ومجموعات بيانات رأس العمود.
- اختار قطار.
- في جزء التنقل ، اختر إطلاق أصول JumpStart.
- على وظائف التدريب علامة التبويب ، اختر وظيفتك التدريبية.
- على مشاركة القائمة، اختر شارك على قماش.
- اختر مستخدمي Canvas للمشاركة معهم ، وحدد تفاصيل النموذج ، واختر مشاركة.
لمزيد من المعلومات ، راجع مستخدمو الاستوديو: شارك نموذجًا مع SageMaker Canvas.
استخدم سجل نموذج SageMaker و Canvas
باستخدام سجل نموذج SageMaker ، يمكنك فهرسة النماذج للإنتاج وإدارة إصدارات النموذج وإقران البيانات الوصفية وإدارة حالة الموافقة للنموذج ونشر النماذج في الإنتاج وأتمتة نشر النموذج باستخدام CI / CD.
لنفترض دور عالم البيانات. في هذا المثال ، تقوم ببناء مشروع ML من البداية إلى النهاية يتضمن إعداد البيانات ، والتدريب على النموذج ، واستضافة النموذج ، وتسجيل النموذج ، ومشاركة النموذج مع محلل أعمال. اختياريًا ، لإعداد البيانات والمعالجة المسبقة أو خطوات المعالجة اللاحقة ، يمكنك استخدام أمازون سيج ميكر داتا رانجلر و مهمة Amazon SageMaker Processing. في هذا المثال ، نستخدم مجموعة بيانات أذن البحر التي تم تنزيلها من LIBSVM. المتغير المستهدف هو عمر أذن البحر.
- في الاستوديو ، قم باستنساخ ملف جيثب ريبو.
- أكمل الخطوات المذكورة في ملف التمهيدي.
- على وحدة تحكم الاستوديو ، تحت الموديلات في جزء التنقل ، اختر نموذج التسجيل.
- اختر النموذج
sklearn-reg-ablone
. - مشاركة الإصدار الأول من نموذج التسجيل إلى Canvas.
- اختر مستخدمي Canvas للمشاركة معهم ، وحدد تفاصيل النموذج ، واختر مشاركة.
للحصول على تعليمات ، راجع نموذج التسجيل القسم مستخدمو الاستوديو: شارك نموذجًا مع SageMaker Canvas.
إدارة النماذج المشتركة
بعد مشاركة النموذج باستخدام أي من الطرق السابقة ، يمكنك الانتقال إلى ملف الموديلات قسم في الاستوديو ومراجعة جميع النماذج المشتركة. في لقطة الشاشة التالية ، نرى 3 نماذج مختلفة يشاركها مستخدم Studio (عالم بيانات) مع مستخدمين مختلفين من Canvas (فرق العمل).
قم باستيراد نموذج مشترك وقم بعمل تنبؤات باستخدام Canvas
لنفترض دور محلل الأعمال وقم بتسجيل الدخول إلى Canvas باستخدام مستخدم Canvas الخاص بك.
عندما يشارك عالم بيانات أو مستخدم Studio نموذجًا مع مستخدم Canvas ، تتلقى إشعارًا داخل تطبيق Canvas يفيد بأن مستخدم Studio قد شارك نموذجًا معك. في تطبيق Canvas ، يشبه الإشعار لقطة الشاشة التالية.
يمكنك اختيار عرض التحديث لمشاهدة النموذج المشترك ، أو يمكنك الانتقال إلى الموديلات صفحة في تطبيق Canvas لاكتشاف جميع النماذج التي تمت مشاركتها معك. يمكن أن يستغرق استيراد النموذج من الاستوديو ما يصل إلى 20 دقيقة.
بعد استيراد النموذج ، يمكنك عرض مقاييسه وتوليدها تنبؤات في الوقت الفعلي مع تحليل ماذا لو أو تنبؤات الدُفعات.
الاعتبارات
ضع في اعتبارك ما يلي عند مشاركة النماذج مع Canvas:
- تقوم بتخزين مجموعات بيانات التدريب والتحقق من الصحة في Amazon S3 ، ويتم تمرير S3 URIs إلى Canvas باستخدام إدارة الهوية والوصول AWS (IAM) أذونات.
- قم بتوفير العمود الهدف لـ Canvas أو استخدم العمود الأول كعمود افتراضي.
- بالنسبة لحاوية Canvas لتحليل بيانات الاستدلال ، تقبل نقطة نهاية Canvas إما نص (CSV) أو تطبيق (JSON).
- لا تدعم اللوحة القماشية العديد من خطوط أنابيب الحاوية أو الاستدلال.
- يتم توفير مخطط بيانات لـ Canvas إذا لم يتم توفير رؤوس في مجموعات بيانات التدريب والتحقق من الصحة. افتراضيًا ، لا توفر منصة JumpStart رؤوسًا في مجموعات بيانات التدريب والتحقق من الصحة.
- باستخدام Jumpstart ، يجب أن تكتمل مهمة التدريب قبل أن تتمكن من مشاركتها مع Canvas.
الرجوع إلى القيود واستكشاف الأخطاء وإصلاحها لمساعدتك في استكشاف أي مشكلات تواجهها عند مشاركة النماذج وإصلاحها.
تنظيف
لتجنب تكبد رسوم في المستقبل ، احذف أو أغلق الموارد التي أنشأتها أثناء متابعة هذا المنشور. تشير إلى تسجيل الخروج من Amazon SageMaker Canvas لمزيد من التفاصيل. قم بإيقاف تشغيل الموارد الفردية ، بما في ذلك أجهزة الكمبيوتر المحمولة والمحطة الطرفية والنواة والتطبيقات والمثيلات. لمزيد من المعلومات ، يرجى الرجوع إلى اغلاق الموارد. احذف ملف نسخة نموذجية, نقطة نهاية SageMaker والموارد, موارد تجربة الطيار الآليو دلو S3.
وفي الختام
يسمح Studio لعلماء البيانات بمشاركة نماذج ML مع محللي الأعمال في بضع خطوات بسيطة. يمكن لمحللي الأعمال الاستفادة من نماذج ML التي تم إنشاؤها بالفعل من قبل علماء البيانات لحل مشاكل العمل بدلاً من إنشاء نموذج جديد في Canvas. ومع ذلك ، قد يكون من الصعب استخدام هذه النماذج خارج البيئات التي تم إنشاؤها فيها بسبب المتطلبات الفنية والعمليات اليدوية لاستيراد النماذج. هذا غالبًا ما يجبر المستخدمين على إعادة بناء نماذج التعلم الآلي ، مما يؤدي إلى ازدواجية الجهود والوقت والموارد الإضافية. تزيل Canvas هذه القيود حتى تتمكن من إنشاء تنبؤات في Canvas مع النماذج التي قمت بتدريبها في أي مكان. باستخدام الأنماط الثلاثة الموضحة في هذا المنشور ، يمكنك تسجيل نماذج ML في سجل نموذج SageMaker ، وهو مخزن بيانات وصفية لنماذج ML ، واستيرادها إلى Canvas. يمكن لمحللي الأعمال بعد ذلك تحليل وإنشاء تنبؤات من أي نموذج في Canvas.
لمعرفة المزيد حول استخدام خدمات SageMaker ، تحقق من الموارد التالية:
إذا كانت لديك أسئلة أو اقتراحات ، فاترك تعليقًا.
عن المؤلفين
أمان شارما هو مهندس حلول أول مع AWS. يعمل مع الشركات الناشئة والشركات الصغيرة والمتوسطة وعملاء المؤسسات في جميع أنحاء منطقة APJ ، أكثر من 19 عامًا من الخبرة في الاستشارات والهندسة المعمارية والحلول. إنه متحمس لإضفاء الطابع الديمقراطي على الذكاء الاصطناعي والتعلم الآلي ومساعدة العملاء في تصميم بياناتهم واستراتيجيات تعلم الآلة. خارج العمل ، يحب استكشاف الطبيعة والحياة البرية.
زيتشن ني هو كبير مهندسي البرمجيات في AWS SageMaker الذي قاد مشروع إحضار النموذج الخاص بك إلى SageMaker Canvas العام الماضي. تعمل في Amazon منذ أكثر من 7 سنوات ولديها خبرة في كل من Amazon Supply Chain Optimization و AWS AI services. تستمتع بتدريبات Barre والموسيقى بعد العمل.
- محتوى مدعوم من تحسين محركات البحث وتوزيع العلاقات العامة. تضخيم اليوم.
- أفلاطونايستريم. ذكاء بيانات Web3. تضخيم المعرفة. الوصول هنا.
- سك المستقبل مع أدرين أشلي. الوصول هنا.
- المصدر https://aws.amazon.com/blogs/machine-learning/bring-your-own-ml-model-into-amazon-sagemaker-canvas-and-generate-accurate-predictions/
- :لديها
- :يكون
- $ UP
- 1
- 100
- 20
- 7
- a
- من نحن
- تسريع
- يقبل
- الوصول
- دقيق
- التأهيل
- تحقق
- في
- إضافي
- بعد
- AI
- خدمات الذكاء الاصطناعي
- خوارزمية
- الكل
- السماح
- يسمح
- سابقا
- أمازون
- الأمازون SageMaker
- Amazon SageMaker الطيار الآلي
- قماش أمازون سيج ميكر
- an
- تحليل
- المحلل
- المحللين
- تحليل
- و
- أي وقت
- في أى مكان
- تطبيق
- موافقة
- التطبيقات
- معماري
- هندسة معمارية
- هي
- AS
- محام
- At
- سمعي
- السيارات
- أتمتة
- الأتمتة
- أوتوماتيك
- تلقائيا
- AutoML
- تجنب
- AWS
- قاعدة
- BE
- كان
- قبل
- تستفيد
- أفضل
- ما بين
- على حد سواء
- جلب
- نساعدك في بناء
- ابني
- بنيت
- الأعمال
- وظائف العمل
- الأعمال
- لكن
- by
- CAN
- قماش
- الحالات
- الأقسام
- سلسلة
- اسعارنا محددة من قبل وزارة العمل
- التحقق
- اختار
- انقر
- الكود
- تعاون
- للاتعاون
- عمود
- التعليق
- إكمال
- كنسولات
- الاستشارات
- وعاء
- يحتوي
- مراقبة
- جوهر
- التكاليف
- خلق
- خلق
- يخلق
- خلق
- خلق
- ائتمان
- على
- زبون
- خدمة العملاء
- العملاء
- البيانات
- تحضير البيانات
- علم البيانات
- عالم البيانات
- قواعد البيانات
- أيام
- الترتيب
- الديمقراطية
- شرح
- الإدارات
- نشر
- نشر
- نشر
- نشر
- ينشر
- تصميم
- تفاصيل
- كشف
- التطوير التجاري
- مختلف
- صعبة
- مباشرة
- اكتشف
- لا
- نطاق
- لا
- إلى أسفل
- قيادة
- اثنان
- كل
- الطُرق الفعّالة
- الكفاءات
- جهد
- إما
- تمكين
- النهائي إلى نهاية
- نقطة النهاية
- مهندس
- مشروع
- البيئات
- مثال
- أمثلة
- القائمة
- الخبره في مجال الغطس
- تجربة
- خبرة
- اكتشف
- يستكشف
- استكشاف
- قليل
- الشكل
- قم بتقديم
- تمويل
- الاسم الأول
- متابعيك
- في حالة
- القوات
- احتيال
- الكشف عن الغش
- تبدأ من
- بالإضافة إلى
- وظائف
- مستقبل
- توليد
- توليد
- Go
- يملك
- he
- رؤوس
- ارتفاع
- مساعدة
- مساعدة
- يساعد
- من هنا
- استضافة
- كيفية
- لكن
- HTML
- HTTP
- HTTPS
- محور
- تحديد
- هوية
- if
- استيراد
- استيراد
- تحسن
- in
- يشمل
- بما فيه
- فرد
- معلومات
- إدخال
- بدلًا من ذلك
- تعليمات
- التكامل
- السطح البيني
- إلى
- مسائل
- IT
- انها
- وظيفة
- JPG
- جسون
- م
- القفل
- اسم العائلة
- العام الماضي
- قيادة
- تعلم
- تعلم
- يترك
- الطول
- مثل
- الإعجابات
- القيود
- خط
- المدرج
- موقع
- سجل
- تسجيل الدخول
- أبحث
- المحافظة
- جعل
- إدارة
- كتيب
- تصنيع
- التسويق
- قياسات
- متوسط
- البيانات الوصفية
- طرق
- المقاييس
- ربما
- مانع
- دقيقة
- تخفيف
- ML
- نموذج
- عارضات ازياء
- المقبلة.
- الأكثر من ذلك
- متعدد
- موسيقى
- يجب
- الاسم
- الطبيعة
- قائمة الإختيارات
- إحتياجات
- جديد
- لا
- مفكرة
- إعلام
- of
- غالبا
- on
- على متن
- ONE
- المصدر المفتوح
- عمليات
- التحسين
- تحسين
- خيار
- or
- المنظمات
- أخرى
- خارج
- النتائج
- الناتج
- في الخارج
- الخاصة
- صفحة
- خبز
- مرت
- عاطفي
- أنماط
- أذونات
- مادي
- المنصة
- أفلاطون
- الذكاء افلاطون البيانات
- أفلاطون داتا
- منشور
- يحتمل
- تنبأ
- تنبؤ
- تنبؤات
- الشروط
- المشكلة
- مشاكل
- عملية المعالجة
- العمليات
- معالجة
- المنتج
- الإنتــاج
- تنفيذ المشاريع
- تزود
- المقدمة
- ويوفر
- جودة
- الأسئلة المتكررة
- نطاق
- تسلم
- تخفيض
- منطقة
- تسجيل جديد
- سجل
- ذات الصلة
- المتطلبات الأساسية
- الموارد
- مما أدى
- إيرادات
- مراجعة
- المخاطرة
- النوع
- sagemaker
- الأملاح
- نفسه
- علوم
- عالم
- العلماء
- النقاط
- القسم
- انظر تعريف
- اختيار
- كبير
- الخدمة
- خدماتنا
- طقم
- إعدادات
- مشاركة
- شاركت
- مشاركة
- مشاركة
- هي
- عرض
- غلق
- مماثل
- الاشارات
- عزباء
- صغير
- So
- تطبيقات الكمبيوتر
- مهندس البرمجيات
- الحلول
- حل
- الطلائعية
- الحالة
- خطوات
- تخزين
- متجر
- استراتيجيات
- ستوديو
- هذه
- تزويد
- سلسلة التوريد
- تحسين سلسلة التوريد
- الدعم
- اصطناعي
- أخذ
- الهدف
- المهام
- فريق
- تقني
- الاتصالات
- محطة
- من
- أن
- •
- من مشاركة
- منهم
- then
- تشبه
- هم
- هؤلاء
- ثلاثة
- أكثر تشددا
- الوقت
- إلى
- قطار
- متدرب
- قادة الإيمان
- نوع
- مع
- الوحدات
- تستخدم
- مستعمل
- مستخدم
- المستخدمين
- استخدام
- التحقق من صحة
- قيمنا
- خلق القيمة
- الإصدار
- المزيد
- رؤية
- رؤيتنا
- we
- متى
- التي
- في حين
- من الذى
- واسع
- مدى واسع
- مع
- في غضون
- بدون
- للعمل
- عامل
- أعمال
- جاري الكتابة
- عام
- سنوات
- أنت
- حل متجر العقارات الشامل الخاص بك في جورجيا
- زفيرنت