Masinõpe (ML) aitab organisatsioonidel teenida tulu, vähendada kulusid, maandada riske, suurendada tõhusust ja parandada kvaliteeti, optimeerides põhilisi ärifunktsioone mitmes äriüksuses, nagu turundus, tootmine, tegevus, müük, rahandus ja klienditeenindus. AWS ML abil saavad organisatsioonid kiirendada väärtuse loomist kuudelt päevadeni. Amazon SageMakeri lõuend on visuaalne osuta-ja-klõpsatav teenus, mis võimaldab ärianalüütikutel luua täpseid ML-prognoose ilma ühtegi koodirida kirjutamata või ML-teadmisi nõudmata. Mudeleid saate kasutada interaktiivsete prognooside tegemiseks ja hulgiandmekogumite partiide hindamiseks.
Selles postituses tutvustame arhitektuurilisi mustreid selle kohta, kuidas ärimeeskonnad saavad kasutada kõikjal loodud ML-mudeleid, luues Canvas ennustusi ja saavutada tõhusaid äritulemusi.
Selline mudeliarenduse ja jagamise integreerimine loob tihedama koostöö äri- ja andmeteadusmeeskondade vahel ning vähendab väärtuse loomise aega. Ettevõtlusmeeskonnad saavad äriprobleemi lahendamiseks kasutada olemasolevaid mudeleid, mille on loonud oma andmeteadlased või muud osakonnad, selle asemel, et väliskeskkonnas uusi mudeleid ümber ehitada.
Lõpuks saavad ärianalüütikud importida jagatud mudeleid Canvasisse ja luua prognoose enne tootmisse juurutamist vaid mõne klõpsuga.
Lahenduse ülevaade
Järgmisel joonisel kirjeldatakse kolme erinevat arhitektuurimustrit, et näidata, kuidas andmeteadlased saavad mudeleid jagada ärianalüütikutega, kes saavad seejärel nende mudelite põhjal Canvase visuaalses liideses ennustusi otse genereerida.
Eeldused
Mudeli koolitamiseks ja ehitamiseks SageMakeri abil ning mudeli toomiseks Canvasisse täitke järgmised eeltingimused.
- Kui teil pole veel SageMakeri domeeni ja Studio kasutajat, seadistada ja kaasata Studio kasutaja SageMakeri domeeni.
- Lubage ja seadistage Canvas baasload teie kasutajatele ja anda kasutajatele õigused Studioga koostööd teha.
- Teil peab olema Autopiloti, JumpStarti või mudeliregistri koolitatud mudel. Kõikide mudelite puhul, mille olete loonud väljaspool SageMakerit, peate enne selle Canvasisse importimist registreerima mudeliregistris.
Nüüd võtame endale andmeteadlase rolli, kes soovib koolitada, ehitada, juurutada ja jagada ärianalüütikuga ML-mudeleid kõigi nende kolme arhitektuurimustri jaoks.
Kasutage autopilooti ja lõuendit
Autopiloot automatiseerib automaatse ML (AutoML) protsessi põhiülesandeid, nagu andmete uurimine, probleemi tüübi jaoks asjakohase algoritmi valimine ning seejärel selle treenimine ja häälestamine. Seda kõike on võimalik saavutada, võimaldades samal ajal säilitada andmestiku täielikku kontrolli ja nähtavust. Autopiloot uurib parima mudeli leidmiseks automaatselt erinevaid lahendusi ja kasutajad saavad kas ML-mudelit itereerida või mudeli ühe klõpsuga otse tootmisse juurutada.
Selles näites kasutame sünteetilist kliendipudelit andmestik telekomi domeenist ja nende ülesandeks on tuvastada kliendid, kellel on potentsiaalselt väljalangemise oht. Autopilot AutoML-i kasutamiseks ML-mudeli koostamiseks, koolitamiseks, juurutamiseks ja ärianalüütikuga jagamiseks tehke järgmised toimingud.
- Lae alla andmestik, laadige see Amazon S3-sse (Amazoni lihtne salvestusteenus) ämbrisse ja märkige üles S3 URI.
- Valige Studio konsoolil AutoML navigeerimispaanil.
- Vali Looge AutoML-i eksperiment.
- Määrake katse nimi (selle postituse jaoks
Telecom-Customer-Churn-AutoPilot
), S3 andmete sisend ja väljundi asukoht. - Määra sihtveerg churnuks.
- Juurutusseadetes saate lubada automaatse juurutamise suvandi, et luua lõpp-punkt, mis juurutab teie parima mudeli ja teeb lõpp-punktist järelduse.
Lisateavet leiate aadressilt Looge Amazon SageMakeri autopiloodi katse.
- Valige oma katse, seejärel valige oma parim mudel ja valige Jaga mudelit.
- Lisage Canvase kasutaja ja valige Jaga mudeli jagamiseks.
(märkused: te ei saa mudelit jagada sama Canvase kasutajaga, mida kasutati Studio sisselogimiseks. Näiteks ei saa Studio kasutaja A jagada mudelit Canvas User-A-ga. Kuid kasutaja A saab jagada mudelit kasutajaga B, seega valida mudeli jagamiseks erinevad kasutusviisid)
Lisateavet leiate aadressilt Stuudio kasutajad: jagage mudelit teenusega SageMaker Canvas.
Kasutage KiirStart ja Canvas
JumpStart on ML-i jaotur, mis pakub eelkoolitatud avatud lähtekoodiga mudeleid paljude ML-i kasutusjuhtumite jaoks, nagu pettuste tuvastamine, krediidiriski prognoosimine ja toote defektide tuvastamine. Saate juurutada rohkem kui 300 eelkoolitatud mudelit tabeli-, nägemis-, teksti- ja heliandmete jaoks.
Selle postituse jaoks kasutame JumpStarti LightGBM-i regressiooni eelkoolitatud mudelit. Koolitame mudelit kohandatud andmekogumil ja jagame mudelit Canvase kasutajaga (ärianalüütik). Eelkoolitatud mudelit saab järelduste tegemiseks kasutada lõpp-punktis. KiirStart pakub näidismärkmikut mudelile juurdepääsuks pärast selle juurutamist.
Selles näites kasutame abalone andmestik. Andmekogum sisaldab näiteid kaheksast füüsilisest mõõtmisest, nagu pikkus, läbimõõt ja kõrgus, et ennustada abalooni vanust (regressiooniprobleem).
- Lae alla abalone andmestik Kaggle'ist.
- Looge S3-salv ja laadige üles rongi-, valideerimis- ja kohandatud päise andmestikud.
- Studio konsooli all SageMaker KiirStart valige navigeerimispaanil Mudelid, märkmikud, lahendused.
- alla Tabelikujulised mudelid, vali LightGBM regressioon.
- alla Rongi mudel, määrake S3 URI-d koolituse, valideerimise ja veerupäise andmekogumite jaoks.
- Vali Rong.
- Valige navigeerimispaanil Käivitas KiirStardi varad.
- Kohta Koolitustööd valige oma koolitustöö.
- Kohta Jaga menüüst valige Jaga lõuendil.
- Valige lõuendi kasutajad, kellega jagada, määrake mudeli üksikasjad ja valige Jaga.
Lisateavet leiate aadressilt Stuudio kasutajad: jagage mudelit teenusega SageMaker Canvas.
Kasutage SageMakeri mudeliregistrit ja lõuendit
SageMakeri mudeliregistri abil saate kataloogida mudeleid tootmiseks, hallata mudeliversioone, seostada metaandmeid, hallata mudeli kinnitusolekut, juurutada mudeleid tootmisse ja automatiseerida mudeli juurutamist CI/CD abil.
Oletame andmeteadlase rolli. Selle näite puhul koostate täieliku ML-projekti, mis hõlmab andmete ettevalmistamist, mudelikoolitust, mudelite hostimist, mudeliregistrit ja mudelite jagamist ärianalüütikuga. Valikuliselt võite kasutada andmete ettevalmistamise ja eeltöötluse või järeltöötluse etappe Amazon SageMaker Data Wrangler ja Amazon SageMakeri töötlemistöö. Selles näites kasutame LIBSVM-ist alla laaditud abalone andmestikku. Sihtmuutuja on leplikese vanus.
- Kloonige Studios GitHub repo.
- Tehke failis README loetletud sammud.
- Studio konsooli all Mudelid valige navigeerimispaanil Mudelite register.
- Valige mudel
sklearn-reg-ablone
. - Jagage mudeliversiooni 1 mudeliregistrist Canvasele.
- Valige lõuendi kasutajad, kellega jagada, määrake mudeli üksikasjad ja valige Jaga.
Juhiste saamiseks vaadake Mudeli register jaotis Stuudio kasutajad: jagage mudelit teenusega SageMaker Canvas.
Hallake jagatud mudeleid
Pärast mudeli jagamist mõne eelneva meetodi abil saate minna lehele Mudelid jaotises Studio ja vaadake üle kõik jagatud mudelid. Järgmisel ekraanipildil näeme 3 erinevat mudelit, mida Studio kasutaja (andmeteadlane) jagab erinevate Canvase kasutajatega (ärimeeskondadega).
Importige jagatud mudel ja tehke Canvasiga ennustusi
Võtame ärianalüütiku rolli ja logime Canvasesse sisse oma Canvase kasutajaga.
Kui andmeteadlane või Studio kasutaja jagab mudelit Canvase kasutajaga, saate rakenduses Canvas teatise, et Studio kasutaja on teiega mudelit jaganud. Rakenduses Canvas on teatis sarnane järgmisele ekraanipildile.
Sa võid valida Kuva värskendus jagatud mudeli vaatamiseks või avage Mudelid leht rakenduses Canvas, et avastada kõik teiega jagatud mudelid. Mudeli importimine Studiost võib kesta kuni 20 minutit.
Pärast mudeli importimist saate vaadata selle mõõdikuid ja luua reaalajas prognoosid mis-kui-analüüsi või partiiennustustega.
Kaalutlused
Canvasega mudeleid jagades pidage meeles järgmist.
- Salvestate koolituse ja valideerimise andmekogumid Amazon S3-s ning S3 URI-d edastatakse Canvasele AWS-i identiteedi- ja juurdepääsuhaldus (IAM) load.
- Sisestage sihtveerg Canvasile või kasutage esimest veergu vaikimisi.
- Lõuendi konteineri jaoks järeldusandmete sõelumiseks aktsepteerib Canvase lõpp-punkt kas teksti (CSV) või rakendust (JSON).
- Canvas ei toeta mitut konteinerit ega järelduskonveieri.
- Canvasile antakse andmeskeem, kui koolituse ja valideerimise andmekogumites pole päiseid. Vaikimisi ei paku JumpStart platvorm koolitus- ja valideerimisandmekogumitesse päiseid.
- Kiirstardi puhul peab koolitustöö olema lõpetatud, enne kui saate seda Canvasega jagada.
Viitama Piirangud ja tõrkeotsing et aidata teil mudelite jagamisel tekkinud probleemide tõrkeotsingut teha.
Koristage
Edaspidiste tasude vältimiseks kustutage või sulgege selle postituse jälgimise ajal loodud ressursid. Viitama Amazon SageMaker Canvasist väljalogimine lisateabe saamiseks. Sulgege üksikud ressursid, sealhulgas sülearvutid, terminal, tuumad, rakendused ja eksemplarid. Lisateabe saamiseks vaadake Sulgege ressursid. Kustutage mudeli versioon, SageMakeri lõpp-punkt ja ressursid, Autopiloodi katse ressursidja S3 kopp.
Järeldus
Studio võimaldab andmeteadlastel jagada ML-mudeleid ärianalüütikutega mõne lihtsa sammuga. Ärianalüütikud saavad kasu ML-mudelitest, mille andmeteadlased on äriprobleemide lahendamiseks juba loonud, selle asemel et luua Canvases uut mudelit. Siiski võib tehniliste nõuete ja mudelite importimise käsitsi protsesside tõttu olla keeruline neid mudeleid kasutada väljaspool keskkonda, kus need on ehitatud. See sunnib kasutajaid sageli ML-mudeleid uuesti üles ehitama, mille tulemuseks on jõupingutuste dubleerimine ning lisaaega ja -ressursse. Canvas eemaldab need piirangud, nii et saate Canvasis ennustusi luua mudelitega, mida olete kõikjal treeninud. Kasutades kolme selles postituses illustreeritud mustrit, saate registreerida ML-mudelid SageMakeri mudeliregistris, mis on ML-mudelite metaandmete pood, ja importida need Canvasisse. Ärianalüütikud saavad seejärel analüüsida ja genereerida ennustusi mis tahes mudelist Canvasis.
SageMakeri teenuste kasutamise kohta lisateabe saamiseks vaadake järgmisi ressursse:
Kui teil on küsimusi või ettepanekuid, jätke kommentaar.
Autoritest
Aman Sharma on AWS-i vanemlahenduste arhitekt. Ta töötab idufirmade, väikeste ja keskmise suurusega ettevõtete ning äriklientidega kogu APJ piirkonnas, tal on enam kui 19-aastane kogemus nõustamise, arhitekti ja lahenduste alal. Ta on kirglik tehisintellekti ja ML demokratiseerimise vastu ning klientide abistamisest nende andmete ja ML-strateegiate kujundamisel. Väljaspool tööd meeldib talle uurida loodust ja metsloomi.
Zichen Nie on AWS SageMakeri vanemtarkvarainsener, kes juhib eelmisel aastal projekti Bring Your Own Model to SageMaker Canvas. Ta on töötanud Amazonis üle 7 aasta ja tal on kogemusi nii Amazoni tarneahela optimeerimise kui ka AWS AI teenuste alal. Ta naudib Barre treeninguid ja muusikat pärast tööd.
- SEO-põhise sisu ja PR-levi. Võimenduge juba täna.
- PlatoAiStream. Web3 andmete luure. Täiustatud teadmised. Juurdepääs siia.
- Tuleviku rahapaja Adryenn Ashley. Juurdepääs siia.
- Allikas: https://aws.amazon.com/blogs/machine-learning/bring-your-own-ml-model-into-amazon-sagemaker-canvas-and-generate-accurate-predictions/
- :on
- :on
- $ UP
- 1
- 100
- 20
- 7
- a
- MEIST
- kiirendama
- Nõustub
- juurdepääs
- täpne
- Saavutada
- saavutada
- üle
- Täiendavad lisad
- pärast
- AI
- AI teenused
- algoritm
- Materjal: BPA ja flataatide vaba plastik
- Lubades
- võimaldab
- juba
- Amazon
- Amazon SageMaker
- Amazon SageMakeri autopiloot
- Amazon SageMakeri lõuend
- an
- analüüs
- analüütik
- Analüütikud
- analüüsima
- ja
- mistahes
- kuskil
- taotlus
- heakskiit
- apps
- arhitektuuri-
- arhitektuur
- OLEME
- AS
- Partner
- At
- heli-
- auto
- automatiseerima
- automatiseerib
- Automaatne
- automaatselt
- AutoML
- vältima
- AWS
- baas
- BE
- olnud
- enne
- kasu
- BEST
- vahel
- mõlemad
- tooma
- ehitama
- Ehitus
- ehitatud
- äri
- äritegevuse funktsioonid
- ettevõtted
- kuid
- by
- CAN
- lõuend
- juhtudel
- kataloog
- kett
- koormuste
- kontrollima
- Vali
- klõps
- kood
- Teevad koostööd
- koostöö
- Veerg
- kommentaar
- täitma
- konsool
- nõustamine
- Konteiner
- sisaldab
- kontrollida
- tuum
- kulud
- looma
- loodud
- loob
- loomine
- loomine
- krediit
- tava
- klient
- Kasutajatugi
- Kliendid
- andmed
- Andmete ettevalmistamine
- andmeteadus
- andmeteadlane
- andmekogumid
- Päeva
- vaikimisi
- Demokraatlik
- näitama
- osakonnad
- juurutada
- lähetatud
- juurutamine
- kasutuselevõtu
- juurutab
- projekteerimine
- detailid
- Detection
- & Tarkvaraarendus
- erinev
- raske
- otse
- avastama
- Ei tee
- domeen
- Ära
- alla
- ajam
- kaks
- iga
- Tõhus
- kasutegur
- jõupingutusi
- kumbki
- võimaldama
- Lõpuks-lõpuni
- Lõpp-punkt
- insener
- ettevõte
- keskkondades
- näide
- näited
- olemasolevate
- kogemus
- eksperiment
- teadmised
- uurima
- uurib
- Avastades
- vähe
- Joonis
- fail
- rahastama
- leidma
- esimene
- Järel
- eest
- relvajõud
- pettus
- pettuste avastamine
- Alates
- täis
- funktsioonid
- tulevik
- tekitama
- teeniva
- Go
- Olema
- he
- päised
- kõrgus
- aitama
- aidates
- aitab
- sellest tulenevalt
- Hosting
- Kuidas
- aga
- HTML
- http
- HTTPS
- Keskus
- identifitseerimiseks
- Identity
- if
- import
- importivate
- parandama
- in
- hõlmab
- Kaasa arvatud
- eraldi
- info
- sisend
- selle asemel
- juhised
- integratsioon
- Interface
- sisse
- küsimustes
- IT
- ITS
- töö
- jpg
- Json
- lihtsalt
- Võti
- viimane
- Eelmisel aastal
- juhtivate
- Õppida
- õppimine
- Lahkuma
- Pikkus
- nagu
- meeldib
- piirangud
- joon
- Loetletud
- liising
- logi
- Logi sisse
- otsin
- säilitada
- tegema
- juhtima
- käsiraamat
- tootmine
- Turundus
- mõõdud
- keskmine
- Metaandmed
- meetodid
- Meetrika
- võib
- meeles
- protokoll
- Leevendada
- ML
- mudel
- mudelid
- kuu
- rohkem
- mitmekordne
- muusika
- peab
- nimi
- loodus
- NAVIGATSIOON
- vajadustele
- Uus
- ei
- märkmik
- teade
- of
- sageli
- on
- Pardal
- ONE
- avatud lähtekoodiga
- Operations
- optimeerimine
- optimeerimine
- valik
- or
- organisatsioonid
- Muu
- välja
- tulemusi
- väljund
- väljaspool
- enda
- lehekülg
- pane
- Vastu võetud
- kirglik
- mustrid
- Õigused
- füüsiline
- inimesele
- Platon
- Platoni andmete intelligentsus
- PlatoData
- post
- potentsiaalselt
- ennustada
- ennustus
- Ennustused
- eeldused
- Probleem
- probleeme
- protsess
- Protsessid
- töötlemine
- Toode
- Produktsioon
- projekt
- anda
- tingimusel
- annab
- kvaliteet
- Küsimused
- valik
- saama
- vähendama
- piirkond
- registreerima
- registri
- asjakohane
- Nõuded
- Vahendid
- tulemuseks
- tulu
- läbi
- Oht
- Roll
- salveitegija
- müük
- sama
- teadus
- teadlane
- teadlased
- Hinded
- Osa
- vaata
- valides
- vanem
- teenus
- Teenused
- komplekt
- seaded
- Jaga
- jagatud
- Aktsiad
- jagamine
- ta
- presentatsioon
- sulgema
- sarnane
- lihtne
- ühekordne
- väike
- So
- tarkvara
- Tarkvara insener
- Lahendused
- LAHENDAGE
- alustajatele
- olek
- Sammud
- ladustamine
- salvestada
- strateegiad
- stuudio
- selline
- varustama
- tarneahelas
- Tarneahela optimeerimine
- toetama
- sünteetiline
- Võtma
- sihtmärk
- ülesanded
- meeskonnad
- Tehniline
- telekommunikatsiooni
- terminal
- kui
- et
- .
- oma
- Neile
- SIIS
- Need
- nad
- see
- need
- kolm
- tihedam
- aeg
- et
- Rong
- koolitatud
- koolitus
- tüüp
- all
- üksused
- kasutama
- Kasutatud
- Kasutaja
- Kasutajad
- kasutamine
- kinnitamine
- väärtus
- väärtuste loomine
- versioon
- vaade
- nähtavus
- nägemus
- we
- millal
- mis
- kuigi
- WHO
- lai
- Lai valik
- koos
- jooksul
- ilma
- Töö
- töö
- töötab
- kirjutamine
- aasta
- aastat
- sa
- Sinu
- sephyrnet