סטודיו SageMaker של אמזון היא סביבת פיתוח משולבת מבוססת אינטרנט (IDE) ללמידת מכונה (ML) המאפשרת לך לבנות, לאמן, לנפות באגים, לפרוס ולנטר את דגמי ה-ML שלך. SageMaker Studio מספק את כל הכלים הדרושים לך כדי לקחת את המודלים שלך מהכנת נתונים לניסוי ועד לייצור תוך שיפור הפרודוקטיביות שלך.
אמזון SageMaker Canvas הוא כלי רב עוצמה ללא קוד ML המיועד לצוותי עסקים ונתונים כדי ליצור תחזיות מדויקות מבלי לכתוב קוד או בעל ניסיון רב ב-ML. עם הממשק הוויזואלי האינטואיטיבי שלו, SageMaker Canvas מפשט את תהליך הטעינה, הניקוי והשינוי של מערכי נתונים, ובניית מודלים של ML, מה שהופך אותו לנגיש לקהל רחב יותר.
עם זאת, ככל שצורכי ה-ML שלך מתפתחים, או אם אתה זקוק להתאמה אישית ובקרה מתקדמים יותר, ייתכן שתרצה לעבור מסביבת ללא קוד לגישה של קוד ראשון. כאן נכנסת לתמונה האינטגרציה החלקה בין SageMaker Canvas ו- SageMaker Studio.
בפוסט זה אנו מציגים פתרון עבור סוגי המשתמשים הבאים:
- מומחים שאינם ML כגון אנליסטים עסקיים, מהנדסי נתונים או מפתחים, שהם מומחי תחום ומעוניינים בכלים ללא קוד ללא קוד (LCNC) שידריכו אותם בהכנת נתונים עבור ML ובניית מודלים של ML. דמות זו היא בדרך כלל רק משתמש של SageMaker Canvas ולעיתים קרובות מסתמכת על מומחי ML בארגון שלהם שיבדקו ויאשרו את עבודתם.
- מומחי ML שמתעניינים כיצד כלי LCNC יכולים להאיץ חלקים ממחזור החיים של ML (כגון הכנת נתונים), אך צפויים גם לנקוט בגישה של קוד גבוה לחלקים מסוימים במחזור החיים של ML (כגון בניית מודלים). פרסונה זו היא בדרך כלל משתמש SageMaker Studio שעשוי להיות גם משתמש SageMaker Canvas. מומחי ML גם ממלאים לעתים קרובות תפקיד בסקירה ובאישור עבודתם של מומחים שאינם ML עבור מקרי שימוש בייצור.
התועלת של הפתרונות המוצעים בפוסט זה כפולה. ראשית, על ידי הדגמה כיצד ניתן לשתף דגמים ברחבי SageMaker Canvas ו- SageMaker Studio, מומחים שאינם ML ו-ML יכולים לשתף פעולה בין הסביבות המועדפות עליהם, שעשויה להיות סביבת ללא קוד (SageMaker Canvas) עבור לא מומחים וקוד גבוה סביבה (SageMaker Studio) למומחים. שנית, על ידי הדגמה כיצד לשתף מודל מ- SageMaker Canvas ל- SageMaker Studio, אנו מראים כיצד מומחי ML שרוצים לעבור מגישת LCNC לפיתוח לגישת קוד גבוה לייצור יכולים לעשות זאת בסביבות SageMaker. הפתרון המתואר בפוסט זה מיועד למשתמשי SageMaker Studio החדש. למשתמשים של SageMaker Studio Classic, ראה שיתוף פעולה עם מדעני נתונים כיצד תוכל לעבור בצורה חלקה בין SageMaker Canvas ל- SageMaker Studio Classic.
סקירת פתרונות
כדי לעבור בצורה חלקה בין ML ללא קוד לקוד ראשון עם SageMaker Canvas ו- SageMaker Studio, תיארנו שתי אפשרויות. אתה יכול לבחור את האפשרות בהתאם לדרישות שלך. במקרים מסוימים, ייתכן שתחליט להשתמש בשתי האפשרויות במקביל.
- אפשרות 1: SageMaker Model Registry – משתמש SageMaker Canvas רושם את הדגם שלו ב- רישום הדגמים של אמזון SageMaker, הפעלת זרימת עבודה של ממשל עבור מומחי ML כדי לסקור את פרטי המודל והמדדים, ולאחר מכן לאשר או לדחות אותו, ולאחר מכן המשתמש יכול לפרוס את המודל המאושר מ- SageMaker Canvas. אפשרות זו היא תהליך שיתוף אוטומטי המספק לך ניהול מובנה ומעקב אחר אישורים. אתה יכול להציג את מדדי המודל; עם זאת, קיימת חשיפה מוגבלת בקוד הדגם ובארכיטקטורה. התרשים הבא ממחיש את הארכיטקטורה.
- אפשרות 2: ייצוא מחברת - באפשרות זו, משתמש SageMaker Canvas מייצא את המחברת המלאה מ- SageMaker Canvas אל שירות אחסון פשוט של אמזון (Amazon S3), ואז חולק אותו עם מומחי ML כדי לייבא לתוך SageMaker Studio, מה שמאפשר נראות והתאמה אישית מלאה של קוד הדגם והלוגיקה לפני שמומחה ML פורס את המודל המשופר. באפשרות זו, ישנה נראות מלאה של קוד הדגם וארכיטקטורת המודל עם יכולת למומחה ML להתאים אישית ולשפר את המודל ב- SageMaker Studio. עם זאת, אפשרות זו דורשת ייצוא ויבוא ידני של מחברת הדגם ל-IDE. התרשים הבא ממחיש ארכיטקטורה זו.
השלבים הבאים מתארים את השלבים לשיתוף פעולה:
- שיתוף – משתמש SageMaker Canvas רושם את הדגם מ- SageMaker Canvas או מוריד את המחברת מ- SageMaker Canvas
- סקירה - משתמש SageMaker Studio ניגש למודל דרך רישום המודלים כדי לסקור ולהפעיל את המחברת המיוצאת דרך JupyterLab כדי לאמת את המודל
- אישור – משתמש SageMaker Studio מאשר את הדגם ממרשם המודלים
- לפרוס - משתמש SageMaker Studio יכול לפרוס את המודל מ-JupyterLab, או משתמש SageMaker Canvas יכול לפרוס את המודל מ-SageMaker Canvas
הבה נבחן את שתי האפשרויות (רישום מודל וייצוא מחברות) בכל שלב בפירוט.
תנאים מוקדמים
לפני שאתם צוללים לתוך הפתרון, ודא שנרשמתם ויצרתם חשבון AWS. לאחר מכן עליך ליצור משתמש מנהלי וקבוצה. להנחיות לגבי שני השלבים, עיין ב הגדר תנאים מוקדמים של Amazon SageMaker. אתה יכול לדלג על שלב זה אם כבר פועלת לך גרסה משלך של SageMaker Studio.
השלם תנאים מוקדמים להגדרת SageMaker Canvas ו ליצור את הדגם לפי בחירתך עבור מקרה השימוש שלך.
שתפו את הדגם
משתמש SageMaker Canvas חולק את המודל עם משתמש SageMaker Studio על ידי רישום שלו ב- SageMaker Model Registry, אשר מפעיל זרימת עבודה של ממשל, או על ידי הורדת המחברת המלאה מ- SageMaker Canvas ומסירתה למשתמש SageMaker Studio.
SageMaker מודל הרישום
כדי לפרוס באמצעות SageMaker Model Registry, בצע את השלבים הבאים:
- לאחר יצירת דגם ב- SageMaker Canvas, בחרו בתפריט האפשרויות (שלוש נקודות אנכיות) ובחרו הוסף לרשימת הדגמים.
- הזן שם לקבוצת הדגמים.
- בחרו להוסיף.
כעת אתה יכול לראות שהדגם רשום.
אתה יכול גם לראות שהדגם ממתין לאישור.
ייצוא מחברת SageMaker
כדי לפרוס באמצעות מחברת SageMaker, בצע את השלבים הבאים:
- בתפריט האפשרויות, בחר הצג מחברת.
- בחרו העתק S3 URI.
כעת תוכל לשתף את S3 URI עם משתמש SageMaker Studio.
סקור את הדגם
משתמש SageMaker Studio ניגש למודל המשותף דרך רישום המודלים כדי לסקור את הפרטים והמדדים שלו, או שהם יכולים לייבא את המחברת המיוצאת לתוך SageMaker Studio ולהשתמש במחברות Jupyter כדי לאמת היטב את הקוד, ההיגיון והביצועים של המודל.
SageMaker מודל הרישום
כדי להשתמש ברישום המודלים, בצע את השלבים הבאים:
- במסוף SageMaker Studio, בחר מודלים בחלונית הניווט.
- בחרו דגמים רשומים.
- בחר את הדגם שלך.
אתה יכול לעיין בפרטי הדגם ולראות שהסטטוס בהמתנה.
אתה יכול גם לסקור את המדדים השונים כדי לבדוק את ביצועי המודל.
אתה יכול להציג את מדדי המודל; עם זאת, קיימת חשיפה מוגבלת בקוד הדגם ובארכיטקטורה. אם אתה רוצה נראות מלאה של קוד וארכיטקטורת הדגם עם יכולת להתאים אישית ולשפר את המודל, השתמש באפשרות הייצוא של מחברת.
ייצוא מחברת SageMaker
כדי להשתמש באפשרות הייצוא של מחברת כמשתמש SageMaker Studio, בצע את השלבים הבאים.
- הפעל את SageMaker Studio ובחר מעבדת ג'ופיטר תחת יישומים.
- פתח את מרחב JupyterLab. אם אין לך מרחב JupyterLab, אתה יכול ליצור אחד.
- פתח מסוף והפעל את הפקודה הבאה כדי להעתיק את המחברת מאמזון S3 ל-SageMaker Studio (מספר החשבון בדוגמה הבאה שונה ל-
awsaccountnumber
): - לאחר הורדת המחברת, תוכל לפתוח את המחברת ולהפעיל את המחברת כדי להעריך עוד יותר.
אשר את הדגם
לאחר סקירה מקיפה, משתמש SageMaker Studio יכול לקבל החלטה מושכלת לאשר או לדחות את המודל ברישום המודלים בהתבסס על הערכתו לגבי איכותו, דיוקו והתאמתו למקרה השימוש המיועד.
עבור משתמשים שרשמו את הדגם שלהם דרך ממשק המשתמש של Canvas, אנא בצע את השלבים הבאים כדי לאשר את הדגם. למשתמשים שייצאו את מחברת הדגם מממשק המשתמש של Canvas, תוכלו להירשם ולאשר את הדגם באמצעות רישום המודל של SageMaker, עם זאת, שלבים אלה אינם נדרשים.
SageMaker מודל הרישום
כמשתמש SageMaker Studio, כאשר אתה מרגיש בנוח עם הדגם, אתה יכול לעדכן את הסטטוס לאושר. האישור מתרחש רק ב- SageMaker Model Registry. השלם את השלבים הבאים:
- ב-SageMaker Studio, נווט לגרסת הדגם.
- בתפריט האפשרויות, בחר עדכן מצב ו מאושר.
- הזן הערה אופציונלית ובחר שמור ועדכן.
עכשיו אתה יכול לראות שהדגם מאושר.
פרוס את הדגם
ברגע שהדגם מוכן לפריסה (הוא קיבל ביקורות ואישורים נחוצים), למשתמשים יש שתי אפשרויות. למשתמשים שנקטו את גישת הרישום המודל, הם יכולים לפרוס מ- SageMaker Studio או מ- SageMaker Canvas. עבור משתמשים שנקטו בגישת ייצוא מודלים של מחשבים ניידים, הם יכולים לפרוס מ-SageMaker Studio. שתי אפשרויות הפריסה מפורטות להלן.
פרוס דרך SageMaker Studio
משתמש SageMaker Studio יכול לפרוס את המודל ממרחב JupyterLab.
לאחר פריסת הדגם, תוכל לנווט אל קונסולת SageMaker, בחר נקודות קצה תחת הסקה בחלונית הניווט, והצג את הדגם.
פרוס באמצעות SageMaker Canvas
לחלופין, אם הפריסה מטופלת על ידי משתמש SageMaker Canvas, תוכל לפרוס את הדגם מ- SageMaker Canvas.
לאחר פריסת המודל, תוכל לנווט אל נקודות קצה עמוד בקונסולת SageMaker כדי להציג את הדגם.
לנקות את
כדי להימנע מחיובי הפעלה עתידיים, צא מ- SageMaker Canvas.
כדי להימנע מחיובים מתמשכים, מחק את נקודות הקצה של SageMaker. אתה יכול למחוק את נקודות הקצה דרך מסוף SageMaker או מהמחברת של SageMaker Studio באמצעות הפקודות הבאות:
סיכום
בעבר, ניתן היה לשתף דגמים רק עם SageMaker Canvas (או להציג דגמים משותפים של SageMaker Canvas) ב- SageMaker Studio Classic. בפוסט זה, הראינו כיצד לשתף מודלים שנבנו ב- SageMaker Canvas עם SageMaker Studio כך שצוותים שונים יוכלו לשתף פעולה ותוכלו לעבור ממסלול ללא קוד לנתיב פריסה עתיר קוד. על ידי שימוש ב- SageMaker Model Registry או ייצוא מחברות, מומחי ML ולא מומחים יכולים לשתף פעולה, לסקור ולשפר מודלים על פני פלטפורמות אלה, מה שמאפשר זרימת עבודה חלקה מהכנת הנתונים ועד לפריסת הייצור.
למידע נוסף על שיתוף פעולה בדגמים באמצעות SageMaker Canvas, עיין ב בנה, שתף, פרוס: כיצד אנליסטים עסקיים ומדעני נתונים משיגים זמן הגעה מהיר יותר לשוק באמצעות ML ללא קוד ו-Amazon SageMaker Canvas.
על הכותבים
ראג'קומאר סמפאטקומאר הוא מנהל חשבונות טכניים ראשיים ב-AWS, המספק הדרכה ללקוחות על יישור טכנולוגיה עסקית ותומך בהמצאה מחדש של המודלים והתהליכים של תפעול הענן שלהם. הוא נלהב בענן ולמידת מכונה. Raj הוא גם מומחה למידת מכונה ועובד עם לקוחות AWS כדי לתכנן, לפרוס ולנהל את עומסי העבודה והארכיטקטורות של AWS שלהם.
Meenakshisundaram Thandavarayan עובד עבור AWS כמומחה AI/ML. יש לו תשוקה לעצב, ליצור ולקדם חוויות נתונים וחוויות ניתוח הממוקדות באדם. Meena מתמקדת בפיתוח מערכות בנות קיימא המספקות יתרונות מדידים ותחרותיים ללקוחות האסטרטגיים של AWS. מינה היא מחברת וחושבת עיצוב, ושואפת להניע עסקים לדרכים חדשות לעבודה באמצעות חדשנות, אינקובציה ודמוקרטיזציה.
קלייר אובריאן ראג'קומאר הוא מנהל מוצר אב בצוות אמזון SageMaker המתמקד ב- SageMaker Canvas, סביבת העבודה של SageMaker ללא קוד נמוך עבור ML ובינה מלאכותית. SageMaker Canvas מסייע בדמוקרטיזציה של ML ובינה מלאכותית מחוללת על ידי הורדת חסמי אימוץ עבור אלה שחדשים ב-ML והאצת זרימות עבודה עבור מתרגלים מתקדמים.
- הפצת תוכן ויחסי ציבור מופעל על ידי SEO. קבל הגברה היום.
- PlatoData.Network Vertical Generative Ai. העצים את עצמך. גישה כאן.
- PlatoAiStream. Web3 Intelligence. הידע מוגבר. גישה כאן.
- PlatoESG. פחמן, קלינטק, אנרגיה, סביבה, שמש, ניהול פסולת. גישה כאן.
- PlatoHealth. מודיעין ביוטכנולוגיה וניסויים קליניים. גישה כאן.
- מקור: https://aws.amazon.com/blogs/machine-learning/seamlessly-transition-between-no-code-and-code-first-machine-learning-with-amazon-sagemaker-canvas-and-amazon-sagemaker-studio/
- :יש ל
- :הוא
- :לֹא
- :איפה
- $ למעלה
- 1
- 100
- 204
- 378
- 7
- 9
- a
- יכולת
- אודות
- להאיץ
- מאיצה
- נגיש
- חֶשְׁבּוֹן
- דיוק
- מדויק
- להשיג
- לרוחב
- להוסיף
- מנהלי
- אימוץ
- מתקדם
- יתרונות
- לאחר
- AI
- יישור
- תעשיות
- כְּבָר
- גם
- אמזון בעברית
- אמזון SageMaker
- אמזון SageMaker Canvas
- סטודיו SageMaker של אמזון
- אמזון שירותי אינטרנט
- an
- אנליסטים
- ניתוח
- ו
- גישה
- הסכמה
- אישורים
- לאשר
- מאושר
- ארכיטקטורה
- ארכיטקטורות
- ARE
- AS
- הערכה
- At
- קהל מאזינים
- אוטומטי
- לְהִמָנַע
- AWS
- מחסומים
- מבוסס
- BE
- לפני
- להלן
- בֵּין
- חיזוק
- שניהם
- רחב
- לִבנוֹת
- בִּניָן
- נבנה
- מובנה
- עסקים
- אבל
- by
- CAN
- מועמד
- בד
- מקרה
- מקרים
- מסוים
- השתנה
- חיובים
- לבדוק
- בחירה
- בחרו
- קלאסי
- ענן
- קוד
- לשתף פעולה
- שיתוף פעולה
- שיתוף פעולה
- מגיע
- נוח
- הערה
- תחרותי
- להשלים
- מַקִיף
- קונסול
- לִשְׁלוֹט
- העתק
- יכול
- לִיצוֹר
- נוצר
- לקוח
- לקוחות
- התאמה אישית
- אישית
- נתונים
- הכנת נתונים
- מערכי נתונים
- להחליט
- החלטה
- למסור
- דרישות
- דמוקרטיזציה
- דמוקרטיזציה
- הפגנה
- לפרוס
- פרס
- פריסה
- פורס
- לתאר
- עיצוב
- מעוצב
- פרט
- מְפוֹרָט
- פרטים
- מפתחים
- מתפתח
- צעצועי התפתחות
- תרשים
- אחר
- צלילה
- do
- תחום
- לא
- הוריד
- הורדה
- הורדות
- נהיגה
- כל אחד
- או
- מה שמאפשר
- מהנדסים
- להגביר את
- משופר
- סביבה
- סביבות
- להעריך
- להתפתח
- דוגמה
- ניסיון
- חוויות
- מומחה
- מומחים
- יצוא
- ייצוא
- היצוא
- נרחב
- מהר יותר
- מרוכז
- לעקוב
- הבא
- בעד
- החל מ-
- מלא
- נוסף
- עתיד
- ליצור
- גנרטטיבית
- AI Generative
- ממשל
- קְבוּצָה
- הדרכה
- מדריך
- קורה
- יש
- יש
- he
- עוזר
- איך
- איך
- אולם
- HTML
- http
- HTTPS
- if
- מדגים
- לייבא
- in
- דגירה
- מידע
- הודעה
- חדשנות
- הוראות
- משולב
- השתלבות
- התכוון
- מעוניין
- מִמְשָׁק
- אל תוך
- אינטואיטיבי
- IT
- שֶׁלָה
- jpeg
- jpg
- מעבדה
- למידה
- מאפשר לי
- מעגל החיים
- סביר
- מוגבל
- טוען
- היכנס
- הגיון
- נראה
- מוריד
- מכונה
- למידת מכונה
- לעשות
- עשייה
- לנהל
- מנהל
- מדריך ל
- מאי..
- תפריט
- מדדים
- יכול
- ML
- מודל
- מודלים
- צג
- יותר
- שם
- נווט
- ניווט
- הכרחי
- צורך
- צרכי
- חדש
- לא מומחים
- מחברה
- עַכשָׁיו
- מספר
- of
- לעתים קרובות
- on
- ONE
- מתמשך
- רק
- לפתוח
- מבצע
- אפשרות
- אפשרויות
- or
- ארגון
- הַחוּצָה
- המתואר
- שֶׁלוֹ
- זגוגית
- מקביל
- חלקים
- תשוקה
- לוהט
- נתיב
- תלוי ועומד
- ביצועים
- שלבים
- Pivot
- פלטפורמות
- אפלטון
- מודיעין אפלטון
- אפלטון נתונים
- לְשַׂחֵק
- אנא
- הודעה
- חזק
- התחזיות
- חיזוי
- מועדף
- הכנה
- העריכה
- להציג
- מנהל
- תהליך
- תהליכים
- המוצר
- מנהל מוצר
- הפקה
- פִּריוֹן
- לקדם
- מוּצָע
- מספק
- מתן
- איכות
- מוכן
- קיבלו
- להתייחס
- הירשם
- רשום
- רישום
- רושמים
- רישום
- מסתמך
- לדרוש
- נדרש
- דרישות
- סקירה
- ביקורת
- חוות דעת של לקוחותינו
- תפקיד
- הפעלה
- ריצה
- בעל חכמים
- SageMaker Inference
- מדענים
- בצורה חלקה
- בצורה חלקה
- לִרְאוֹת
- שירותים
- מושב
- הצבה
- שיתוף
- משותף
- שיתופים
- שיתוף
- לְהַצִיג
- הראה
- חָתוּם
- פָּשׁוּט
- מפשט
- להחליק
- So
- פִּתָרוֹן
- פתרונות
- כמה
- מֶרחָב
- מומחה
- מצב
- שלב
- צעדים
- אחסון
- אסטרטגי
- שואף
- סטודיו
- כזה
- התאמה
- מסייע
- בטוח
- בר קיימא
- מערכות
- לקחת
- נבחרת
- צוותי
- טכני
- מסוף
- זֶה
- השמיים
- שֶׁלָהֶם
- אותם
- אז
- שם.
- אלה
- הֵם
- הוגה
- זֶה
- בִּיסוֹדִיוּת
- אלה
- שְׁלוֹשָׁה
- דרך
- ל
- לקח
- כלי
- כלים
- מעקב
- רכבת
- הפיכה
- מַעֲבָר
- ניסויים
- שתיים
- כָּפוּל
- סוגים
- בדרך כלל
- ui
- תחת
- עדכון
- להשתמש
- במקרה להשתמש
- משתמש
- משתמשים
- באמצעות
- תועלת
- לְאַמֵת
- גרסה
- אנכי
- באמצעות
- לצפיה
- ראות
- חזותי
- רוצה
- דרכים
- we
- אינטרנט
- שירותי אינטרנט
- המבוסס על האינטרנט
- מתי
- אשר
- בזמן
- מי
- עם
- בתוך
- לְלֹא
- תיק עבודות
- זרימת עבודה
- זרימות עבודה
- עובד
- עובד
- כתיבה
- אתה
- זפירנט