AWS in der Kategorie „Leaders“ im IDC MarketScape 2022 für APEJ AI Life-Cycle Software Tools and Platforms Vendor Assessment positioniert

Das kürzlich veröffentlichte IDC MarketScape: Asia/Pacific (Exclusive Japan) AI Life-Cycle Software Tools and Platforms 2022 Vendor Assessment positioniert AWS in der Kategorie Leaders. Dies war die erste und einzige APEJ-spezifische Analystenbewertung, die sich auf KI-Lebenszyklussoftware von IDC konzentrierte. Die für diesen MarketScape bewerteten Anbieter bieten verschiedene Softwaretools an, die zur Unterstützung der Entwicklung von End-to-End-Modellen für maschinelles Lernen (ML) erforderlich sind, einschließlich Datenvorbereitung, Modellerstellung und -training, Modellbetrieb, Bewertung, Bereitstellung und Überwachung. Die Tools werden in der Regel von Datenwissenschaftlern und ML-Entwicklern vom Experimentieren bis zur Bereitstellung von KI- und ML-Lösungen in der Produktion verwendet.

KI-Lebenszyklus-Tools sind unerlässlich, um KI/ML-Lösungen zu produzieren. Sie gehen einige Schritte über KI/ML-Experimente hinaus: um eine Bereitstellung überall, skalierbare Leistung, Kostenoptimierung und, was immer wichtiger wird, Unterstützung eines systematischen Modellrisikomanagements zu erreichen – Erklärbarkeit, Robustheit, Drift, Datenschutz und mehr. Unternehmen benötigen diese Tools, um den Wert von Unternehmensdatenbeständen in größerem Maßstab und schnellerer Geschwindigkeit freizusetzen.

Anbieteranforderungen für IDC MarketScape

Um für MarketScape in Frage zu kommen, musste der Anbieter Softwareprodukte für verschiedene Aspekte des End-to-End-ML-Prozesses unter unabhängigen Produktbestandseinheiten (SKUs) oder als Teil einer allgemeinen KI-Softwareplattform bereitstellen. Die Produkte mussten auf dem eigenen geistigen Eigentum des Unternehmens basieren und die Produkte sollten ab März 12 mindestens 2022 Monate lang Softwarelizenzeinnahmen oder verbrauchsbasierte Softwareeinnahmen in APEJ generiert haben. Das Unternehmen musste unter den Top-15-Anbietern bis sein die gemeldeten Einnahmen von 2020–2021 in der APEJ-Region laut AI Software Tracker von IDC. AWS erfüllte die Kriterien und wurde von IDC zusammen mit acht anderen Anbietern bewertet.

Das Ergebnis der umfassenden Bewertung von IDC wurde im Oktober 2022 im IDC MarketScape: Asia/Pacific (Exclusive Japan) AI Life-Cycle Software Tools and Platforms 2022 Vendor Assessment veröffentlicht. AWS ist basierend auf den aktuellen Fähigkeiten in der Kategorie „Leaders“ positioniert. Die AWS-Strategie besteht darin, kontinuierlich in KI/ML-Services zu investieren, um Kunden bei Innovationen mit KI und ML zu unterstützen.

AWS-Position

„AWS wird in dieser Übung in die Kategorie „Leader“ eingestuft und erhält höhere Bewertungen in verschiedenen Bewertungskategorien – die Breite der bereitgestellten Tooling-Services, Optionen zur Senkung der Kosten für die Leistung, die Qualität des Kundendienstes und des Supports und das Tempo der Produktinnovation, um nur einige zu nennen wenig."

– Jessie Danqing Cai, Associate Research Director, Big Data & Analytics Practice, IDC Asien/Pazifik.

Das folgende Bild ist Teil von MarketScape und zeigt die AWS-Position, bewertet nach Fähigkeiten und Strategien.

Das Anbieteranalysemodell von IDC MarketScape soll einen Überblick über die Wettbewerbsfähigkeit von ICT-Anbietern in einem bestimmten Markt geben. Die Forschungsmethodik verwendet eine strenge Bewertungsmethodik, die sowohl auf qualitativen als auch auf quantitativen Kriterien basiert und zu einer einzigen grafischen Darstellung der Position jedes Anbieters innerhalb eines bestimmten Marktes führt. Der Capabilities-Score misst kurzfristig das Produkt des Anbieters, die Markteinführung und die Geschäftsausführung. Der Strategiewert misst die Ausrichtung der Anbieterstrategien an den Kundenanforderungen in einem Zeitrahmen von 3–5 Jahren. Der Marktanteil der Anbieter wird durch die Größe der Symbole dargestellt.

Amazon SageMaker im Rahmen von MarketScape evaluiert

Im Rahmen der Bewertung ging IDC tief in die Materie ein Amazon Sage Maker Fähigkeiten. SageMaker ist ein vollständig verwalteter Dienst zum Erstellen, Trainieren und Bereitstellen von ML-Modellen für jeden Anwendungsfall mit vollständig verwalteter Infrastruktur, Tools und Workflows. Seit der Einführung von SageMaker im Jahr 2017 wurden über 250 Funktionen und Features veröffentlicht.

ML-Praktiker wie Data Scientists, Data Engineers, Business Analysts und MLOps-Experten verwenden SageMaker, um Barrieren in jedem Schritt des ML-Workflows durch die Wahl integrierter Entwicklungsumgebungen (IDEs) oder No-Code-Schnittstellen abzubauen. Beginnend mit der Datenvorbereitung erleichtert SageMaker den Zugriff, die Kennzeichnung und die Verarbeitung großer Mengen strukturierter Daten (Tabellendaten) und unstrukturierter Daten (Foto, Video, Geodaten und Audio) für ML. Nachdem die Daten vorbereitet sind, bietet SageMaker vollständig verwaltete Notebooks für die Modellerstellung und reduziert die Schulungszeit mit optimierter Infrastruktur von Stunden auf Minuten. SageMaker erleichtert die Bereitstellung von ML-Modellen, um Vorhersagen zum besten Preis-Leistungs-Verhältnis für jeden Anwendungsfall durch eine breite Auswahl an ML-Infrastruktur- und Modellbereitstellungsoptionen zu treffen. Schließlich helfen Ihnen die MLOps-Tools in SageMaker dabei, die Modellbereitstellung zu skalieren, Inferenzkosten zu reduzieren, Modelle in der Produktion effektiver zu verwalten und den Betriebsaufwand zu reduzieren.

The MarketScape nennt drei Stärken für AWS:

• Funktionalität und Angebot – SageMaker bietet ein breites und umfassendes Set an Tools für die Datenvorbereitung, das Modelltraining und die Bereitstellung, einschließlich von AWS gebautem Silizium: AWS-Inferenz für Inferenz-Workloads und AWS-Training für Trainingsbelastungen. SageMaker unterstützt die Erklärbarkeit von Modellen und die Erkennung von Verzerrungen durch Amazon SageMaker klären.
• Servicebereitstellung – SageMaker ist nativ auf AWS verfügbar, der zweitgrößten öffentlichen Cloud-Plattform in der APEJ-Region (basierend auf IDC Public Cloud Services Tracker, IaaS+PaaS, Daten von 2021), mit Regionen in Japan, Australien, Neuseeland, Singapur, Indien, Indonesien , Südkorea und Großchina. Lokale Zonen sind verfügbar, um Kunden in den ASEAN-Ländern zu bedienen: Thailand, die Philippinen und Vietnam.
• Wachstumschancen – AWS trägt aktiv zu Open-Source-Projekten wie Gluon bei und arbeitet mit regionalen Entwickler- und Studentengemeinschaften durch viele Veranstaltungen, Online-Kurse und Amazon SageMaker Studio Lab, eine kostenlose SageMaker-Notebookumgebung.

SageMaker startet auf der re:Invent 2022

Die SageMaker-Innovation wurde auf der AWS re:Invent 2022 mit acht fortgesetzt neue Funktionen. Die Produkteinführungen umfassten drei neue Funktionen für die ML-Modell-Governance. Mit zunehmender Anzahl von Modellen und Benutzern innerhalb einer Organisation wird es schwieriger, Zugriffskontrollen mit geringsten Rechten festzulegen und Governance-Prozesse einzurichten, um Modellinformationen zu dokumentieren (z. B. Eingabedatensätze, Informationen zur Schulungsumgebung, Beschreibung der Modellnutzung und Risikobewertung). . Nachdem die Modelle bereitgestellt wurden, müssen Kunden auch auf Abweichungen und Funktionsabweichungen überwachen, um sicherzustellen, dass sie wie erwartet funktionieren. Ein neuer Rollenmanager, Modellkarten und ein Modell-Dashboard vereinfachen die Zugriffskontrolle und erhöhen die Transparenz für den Support ML-Modell-Governance.

Es gab auch drei Starts im Zusammenhang mit Amazon SageMaker-Studio Notizbücher. SageMaker Studio-Notebooks bieten Praktikern ein vollständig verwaltetes Notebook-Erlebnis, von der Datenexploration bis zur Bereitstellung. Mit zunehmender Größe und Komplexität von Teams müssen möglicherweise Dutzende von Praktikern mithilfe von Notebooks gemeinsam Modelle entwickeln. AWS bietet weiterhin das Beste Notebook-Erfahrung für Benutzer mit der Einführung von drei neuen Funktionen, die Ihnen helfen, Notebook-Code zu koordinieren und zu automatisieren.

Um die Modellbereitstellung zu unterstützen, helfen Ihnen neue Funktionen in SageMaker bei der Durchführung von Schattentests, um ein neues ML-Modell vor der Produktionsfreigabe zu evaluieren, indem seine Leistung mit dem aktuell bereitgestellten Modell verglichen wird. Schattentests kann Ihnen helfen, potenzielle Konfigurationsfehler und Leistungsprobleme zu erkennen, bevor sie sich auf Endbenutzer auswirken.

Schließlich startete SageMaker die Unterstützung für Geodaten ML, sodass Datenwissenschaftler und ML-Ingenieure ML-Modelle mithilfe von Geodaten einfach erstellen, trainieren und bereitstellen können. Sie können auf Geodatenquellen, speziell entwickelte Verarbeitungsvorgänge, vortrainierte ML-Modelle und integrierte Visualisierungstools zugreifen, um Geodaten-ML schneller und in großem Umfang auszuführen.

Heute verwenden Zehntausende von Kunden Amazon SageMaker, um Modelle mit Milliarden von Parametern zu trainieren und über 1 Billion Vorhersagen pro Monat zu treffen. Um mehr über SageMaker zu erfahren, besuchen Sie die Website und erfahren Sie, wie vollständig verwaltete Infrastruktur, Tools und Workflows Ihnen helfen können, die Entwicklung von ML-Modellen zu beschleunigen.

---

Über den Autor

Kimberley Madia ist Principal Product Marketing Manager bei AWS Machine Learning. Ihr Ziel ist es, Kunden das Erstellen, Trainieren und Bereitstellen von Machine-Learning-Modellen mit Amazon SageMaker zu erleichtern. Um Spaß bei der Arbeit zu haben, kocht, liest und läuft Kimberly gerne auf dem San Francisco Bay Trail.

• SEO-gestützte Content- und PR-Distribution. Holen Sie sich noch heute Verstärkung.
• Platoblockkette. Web3-Metaverse-Intelligenz. Wissen verstärkt. Hier zugreifen.
• Quelle: https://aws.amazon.com/blogs/machine-learning/aws-positioned-in-the-leaders-category-in-the-2022-idc-marketscape-for-apej-ai-life-cycle-software-tools-and-platforms-vendor-assessment/