למידת מכונה (ML) עוזרת לארגונים לייצר הכנסות, להפחית עלויות, להפחית סיכונים, להניע יעילות ולשפר את האיכות על ידי אופטימיזציה של פונקציות הליבה העסקיות על פני מספר יחידות עסקיות כגון שיווק, ייצור, תפעול, מכירות, פיננסים ושירות לקוחות. עם AWS ML, ארגונים יכולים להאיץ את יצירת הערך מחודשים לימים. אמזון SageMaker Canvas הוא שירות חזותי, הצבע והקליק, המאפשר לאנליסטים עסקיים ליצור תחזיות ML מדויקות מבלי לכתוב שורת קוד אחת או לדרוש מומחיות ב-ML. אתה יכול להשתמש במודלים כדי ליצור חיזויים באופן אינטראקטיבי ולניקוד אצווה על מערכי נתונים בכמות גדולה.
בפוסט זה, אנו מציגים דפוסים ארכיטקטוניים כיצד צוותים עסקיים יכולים להשתמש במודלים של ML שנבנו בכל מקום על ידי יצירת תחזיות ב-Canvas ולהשיג תוצאות עסקיות יעילות.
שילוב זה של פיתוח ושיתוף מודלים יוצר שיתוף פעולה הדוק יותר בין צוותי עסקים ומדעי הנתונים ומוריד את הזמן לערך. צוותים עסקיים יכולים להשתמש במודלים קיימים שנבנו על ידי מדעני הנתונים שלהם או מחלקות אחרות כדי לפתור בעיה עסקית במקום לבנות מחדש מודלים חדשים בסביבות חיצוניות.
לבסוף, אנליסטים עסקיים יכולים לייבא מודלים משותפים ל-Canvas וליצור תחזיות לפני הפריסה לייצור בכמה קליקים בלבד.
סקירת פתרונות
האיור הבא מתאר שלושה דפוסי ארכיטקטורה שונים כדי להדגים כיצד מדעני נתונים יכולים לשתף מודלים עם אנליסטים עסקיים, אשר לאחר מכן יכולים ליצור תחזיות ישירות ממודלים אלה בממשק החזותי של Canvas:
תנאים מוקדמים
כדי לאמן ולבנות את המודל שלך באמצעות SageMaker ולהכניס את המודל שלך לתוך Canvas, השלם את התנאים המוקדמים הבאים:
- אם עדיין אין לך דומיין ומשתמש של SageMaker, להגדיר ולהכניס משתמש Studio לדומיין של SageMaker.
- הפעל והגדר את Canvas הרשאות בסיס עבור המשתמשים שלך ו להעניק למשתמשים הרשאות לשתף פעולה עם Studio.
- עליך להיות בעל דגם מאומן מהטייס האוטומטי, JumpStart או מרשם הדגמים. עבור כל דגם שבנית מחוץ ל-SageMaker, עליך לרשום את הדגם שלך ברישום המודלים לפני ייבואו ל-Canvas.
עכשיו בואו ניקח את התפקיד של מדען נתונים שמחפש להכשיר, לבנות, לפרוס ולשתף מודלים של ML עם אנליסט עסקי עבור כל אחת משלושת הדפוסים הארכיטקטוניים הללו.
השתמש בטייס אוטומטי ובקנבס
הטייס האוטומטי מבצע אוטומציה של משימות מפתח של תהליך ML אוטומטי (AutoML) כמו חקירת נתונים, בחירת האלגוריתם הרלוונטי לסוג הבעיה, ולאחר מכן אימון וכוונון. ניתן להשיג את כל זה תוך מתן אפשרות לשמור על שליטה מלאה ונראות במערך הנתונים. הטייס האוטומטי בוחן אוטומטית פתרונות שונים כדי למצוא את הדגם הטוב ביותר, ומשתמשים יכולים לחזור על מודל ה-ML או לפרוס ישירות את הדגם לייצור בלחיצה אחת.
בדוגמה זו, אנו משתמשים בסינטטי של נטישת לקוחות מערך נתונים מתחום הטלקום ועליהם מוטלת המשימה לזהות לקוחות שעלולים להיות בסיכון לנטישה. השלם את השלבים הבאים כדי להשתמש בטייס אוטומטי AutoML כדי לבנות, לאמן, לפרוס ולשתף מודל ML עם אנליסט עסקי:
- הורד מערך נתונים, העלה אותו לאמזון S3 (שירות אחסון פשוט של אמזון) דלי, ורשום את S3 URI.
- במסוף Studio, בחר AutoML בחלונית הניווט.
- בחרו צור ניסוי AutoML.
- ציין את שם הניסוי (עבור פוסט זה,
Telecom-Customer-Churn-AutoPilot
), קלט נתונים S3 ומיקום פלט. - הגדר את עמודת היעד כ-churn.
- בהגדרות הפריסה, אתה יכול להפעיל את אפשרות הפריסה האוטומטית כדי ליצור נקודת קצה הפורסת את הדגם הטוב ביותר שלך ומפיקה הסקה על נקודת הקצה.
למידע נוסף עיין ב צור ניסוי טייס אוטומטי של אמזון SageMaker.
- בחר את הניסוי שלך, ולאחר מכן בחר את הדגם הטוב ביותר שלך ובחר שתף דגם.
- הוסף משתמש Canvas ובחר שיתוף לשתף את הדגם.
(הערות: אינך יכול לשתף דגם עם אותו משתמש Canvas שבו נעשה שימוש לכניסה לסטודיו. לדוגמה, Studio user-A לא יכול לשתף מודל עם Canvas User-A. אבל משתמש-A יכול לשתף מודל עם משתמש-B, ומכאן לבחור שימושים שונים לשיתוף מודלים)
למידע נוסף עיין ב משתמשי סטודיו: שתפו דגם עם SageMaker Canvas.
השתמש ב-JumpStart וב-Canvas
JumpStart הוא מרכז ML המספק מודלים מאומנים מראש, קוד פתוח עבור מגוון רחב של מקרי שימוש ב-ML כמו זיהוי הונאה, חיזוי סיכוני אשראי וזיהוי פגמים במוצר. אתה יכול לפרוס יותר מ-300 דגמים מאומנים מראש לנתוני טבלאות, ראייה, טקסט ואודיו.
עבור פוסט זה, אנו משתמשים במודל שהוכשר מראש לרגרסיה LightGBM מ-JumpStart. אנו מאמנים את המודל על מערך נתונים מותאם ומשתפים את המודל עם משתמש Canvas (אנליסט עסקי). ניתן לפרוס את המודל שהוכשר מראש לנקודת קצה לצורך מסקנות. JumpStart מספקת מחברת לדוגמה לגישה לדגם לאחר פריסתו.
בדוגמה זו אנו משתמשים ב- מערך נתונים בטחונות. מערך הנתונים מכיל דוגמאות של שמונה מדידות פיזיות כגון אורך, קוטר וגובה כדי לחזות את גיל האבלון (בעיית רגרסיה).
- הורד מערך נתונים בטחונות מקאגל.
- צור דלי S3 והעלה את מערכי הנתונים של הרכבת, האימות והכותרות המותאמות אישית.
- במסוף הסטודיו, מתחת SageMaker JumpStart בחלונית הניווט, בחר דגמים, מחברות, פתרונות.
- תַחַת דגמים טבלאיים, בחר רגרסיית LightGBM.
- תַחַת דגם רכבת, ציין את S3 URIs עבור מערכי הנתונים של ההדרכה, האימות וכותרות העמודות.
- בחרו רכבת.
- בחלונית הניווט בחר הושק נכסי JumpStart.
- על משרות הדרכה בכרטיסייה, בחר את עבודת ההדרכה שלך.
- על שיתוף בתפריט, בחר שתף לקנבס.
- בחר את משתמשי ה-Canvas לשיתוף, ציין את פרטי הדגם ובחר שיתוף.
למידע נוסף עיין ב משתמשי סטודיו: שתפו דגם עם SageMaker Canvas.
השתמש ברישום מודל SageMaker וב-Canvas
עם רישום המודלים של SageMaker, אתה יכול לקטלג מודלים לייצור, לנהל גרסאות מודל, לשייך מטא נתונים, לנהל את סטטוס האישור של מודל, לפרוס מודלים לייצור ולהפוך פריסת מודל לאוטומטית עם CI/CD.
בואו ניקח את התפקיד של מדען נתונים. עבור דוגמה זו, אתה בונה פרויקט ML מקצה לקצה הכולל הכנת נתונים, הדרכת מודלים, אירוח מודלים, רישום מודלים ושיתוף מודלים עם אנליסט עסקי. לחלופין, להכנת נתונים ולשלבי עיבוד מקדים או לאחר עיבוד, אתה יכול להשתמש רנגלר הנתונים של אמזון SageMaker ו עבודת עיבוד באמזון SageMaker. בדוגמה זו, אנו משתמשים במערך הנתונים של abalone שהורד מ-LIBSVM. משתנה היעד הוא גיל האבלון.
- בסטודיו, שיבוט את GitHub ריפו.
- השלם את השלבים המפורטים בקובץ README.
- במסוף הסטודיו, מתחת מודלים בחלונית הניווט, בחר רישום דגמים.
- בחר את הדגם
sklearn-reg-ablone
. - שתף את גרסה 1 של דגם ממרשם המודלים ל-Canvas.
- בחר את משתמשי ה-Canvas לשיתוף, ציין את פרטי הדגם ובחר שיתוף.
להנחיות, עיין ב רישום מודלים קטע ב משתמשי סטודיו: שתפו דגם עם SageMaker Canvas.
נהל מודלים משותפים
לאחר שתשתף את המודל באמצעות כל אחת מהשיטות הקודמות, תוכל לעבור אל מודלים ב-Studio וסקור את כל הדגמים המשותפים. בצילום המסך הבא, אנו רואים 3 דגמים שונים המשותפים על ידי משתמש Studio (מדען נתונים) עם משתמשי Canvas שונים (צוותים עסקיים).
ייבא מודל משותף ובצע תחזיות עם Canvas
בואו ניקח את התפקיד של אנליסט עסקי ונכנס ל-Canvas עם משתמש ה-Canvas שלכם.
כאשר מדען נתונים או משתמש Studio משתפים מודל עם משתמש Canvas, אתה מקבל הודעה בתוך אפליקציית Canvas שמשתמש Studio שיתף איתך דגם. באפליקציית Canvas, ההודעה דומה לצילום המסך הבא.
אתה יכול לבחור צפה בעדכון כדי לראות את המודל המשותף, או שאתה יכול ללכת אל מודלים עמוד באפליקציית Canvas כדי לגלות את כל הדגמים ששותפו איתך. ייבוא הדגמים מסטודיו יכול להימשך עד 20 דקות.
לאחר ייבוא המודל, תוכל להציג את המדדים שלו וליצור תחזיות בזמן אמת עם ניתוח מה אם או תחזיות אצווה.
שיקולים
זכור את הדברים הבאים בעת שיתוף דגמים עם Canvas:
- אתה מאחסן מערכי נתונים של הדרכה ואימות באמזון S3, וה-URI של S3 מועברים עם Canvas AWS זהות וניהול גישה הרשאות (IAM).
- ספק את עמודת היעד ל-Canvas או השתמש בעמודה הראשונה כברירת מחדל.
- כדי שמכיל Canvas ינתח נתוני הסקה, נקודת הקצה של Canvas מקבלת טקסט (CSV) או יישום (JSON).
- Canvas אינו תומך במספר צינורות מיכל או מסקנות.
- סכימת נתונים מסופקת ל-Canvas אם לא מסופקות כותרות במערך הנתונים של ההדרכה והאימות. כברירת מחדל, פלטפורמת JumpStart אינה מספקת כותרות במערך הנתונים של ההדרכה והאימות.
- עם Jumpstart, עבודת ההדרכה צריכה להסתיים לפני שתוכל לשתף אותה עם Canvas.
עיין מגבלות ופתרון בעיות כדי לעזור לך לפתור בעיות שאתה נתקל בהן בעת שיתוף דגמים.
לנקות את
כדי להימנע מחיובים עתידיים, מחק או כבה את המשאבים שיצרת תוך כדי מעקב אחר פוסט זה. מתייחס יציאה מאמזון SageMaker Canvas לפרטים נוספים. כבה את המשאבים הבודדים, כולל מחברות, מסוף, גרעינים, אפליקציות ומופעים. למידע נוסף, עיין ב סגור משאבים. מחק את גרסת דגם, נקודת קצה ומשאבים של SageMaker, משאבי ניסוי טייס אוטומטי, ו דלי S3.
סיכום
Studio מאפשר למדעני נתונים לשתף מודלים של ML עם אנליסטים עסקיים בכמה שלבים פשוטים. אנליסטים עסקיים יכולים להפיק תועלת ממודלים של ML שכבר נבנו על ידי מדעני נתונים כדי לפתור בעיות עסקיות במקום ליצור מודל חדש ב-Canvas. עם זאת, ייתכן שיהיה קשה להשתמש במודלים אלה מחוץ לסביבות שבהן הם בנויים עקב דרישות טכניות ותהליכים ידניים לייבוא דגמים. לעתים קרובות זה מאלץ משתמשים לבנות מחדש מודלים של ML, וכתוצאה מכך כפילות במאמץ ובזמן ומשאבים נוספים. Canvas מסיר מגבלות אלה כדי שתוכל ליצור תחזיות ב-Canvas עם מודלים שאימנתם בכל מקום. על ידי שימוש בשלושת התבניות המוצגות בפוסט זה, תוכל לרשום מודלים של ML ברישום המודלים של SageMaker, שהוא מאגר מטא נתונים עבור דגמי ML, ולייבא אותם לתוך Canvas. אנליסטים עסקיים יכולים לאחר מכן לנתח וליצור תחזיות מכל מודל ב-Canvas.
למידע נוסף על השימוש בשירותי SageMaker, עיין במשאבים הבאים:
אם יש לך שאלות או הצעות, השאר תגובה.
על המחברים
אמן שרמה הוא אדריכל פתרונות בכיר עם AWS. הוא עובד עם סטארט-אפים, עסקים קטנים ובינוניים ולקוחות ארגוניים ברחבי אזור APJ, יותר מ-19 שנות ניסיון בייעוץ, אדריכלות ופתרונות. הוא נלהב מהדמוקרטיזציה של AI ו-ML ולעזור ללקוחות בעיצוב הנתונים ואסטרטגיות ה-ML שלהם. מחוץ לעבודה, הוא אוהב לחקור את הטבע וחיות הבר.
זיכן ניי הוא מהנדס תוכנה בכיר ב-AWS SageMaker המוביל את הפרויקט Bring Your Own Model to SageMaker Canvas בשנה שעברה. היא עובדת באמזון יותר מ-7 שנים ויש לה ניסיון הן במיטוב שרשרת האספקה והן בשירותי AI של AWS. היא נהנית מאימוני בר וממוזיקה אחרי העבודה.
- הפצת תוכן ויחסי ציבור מופעל על ידי SEO. קבל הגברה היום.
- PlatoAiStream. Web3 Data Intelligence. הידע מוגבר. גישה כאן.
- הטבעת העתיד עם אדריאן אשלי. גישה כאן.
- מקור: https://aws.amazon.com/blogs/machine-learning/bring-your-own-ml-model-into-amazon-sagemaker-canvas-and-generate-accurate-predictions/
- :יש ל
- :הוא
- $ למעלה
- 1
- 100
- 20
- 7
- a
- אודות
- להאיץ
- מקבל
- גישה
- מדויק
- להשיג
- הושג
- לרוחב
- נוסף
- לאחר
- AI
- שירותי AI
- אַלגוֹרִיתְם
- תעשיות
- מאפשר
- מאפשר
- כְּבָר
- אמזון בעברית
- אמזון SageMaker
- טייס אוטומטי של אמזון
- אמזון SageMaker Canvas
- an
- אנליזה
- מנתח
- אנליסטים
- לנתח
- ו
- כל
- בְּכָל מָקוֹם
- בקשה
- הסכמה
- אפליקציות
- אדריכלי
- ארכיטקטורה
- ARE
- AS
- עמית
- At
- אודיו
- המכונית
- אוטומטי
- אוטומטית
- מכני עם סלילה אוטומטית
- באופן אוטומטי
- AutoML
- לְהִמָנַע
- AWS
- בסיס
- BE
- היה
- לפני
- תועלת
- הטוב ביותר
- בֵּין
- שניהם
- להביא
- לִבנוֹת
- בִּניָן
- נבנה
- עסקים
- פונקציות עסקיות
- עסקים
- אבל
- by
- CAN
- בד
- מקרים
- קטלוג
- שרשרת
- חיובים
- לבדוק
- בחרו
- קליק
- קוד
- לשתף פעולה
- שיתוף פעולה
- טור
- הערה
- להשלים
- קונסול
- ייעוץ
- מכולה
- מכיל
- לִשְׁלוֹט
- ליבה
- עלויות
- לִיצוֹר
- נוצר
- יוצר
- יוצרים
- יצירה
- אשראי
- מנהג
- לקוח
- שירות לקוחות
- לקוחות
- נתונים
- הכנת נתונים
- מדע נתונים
- מדען נתונים
- מערכי נתונים
- ימים
- בְּרִירַת מֶחדָל
- דמוקרטיזציה
- להפגין
- מחלקות
- לפרוס
- פרס
- פריסה
- פריסה
- פורס
- תכנון
- פרטים
- איתור
- צעצועי התפתחות
- אחר
- קשה
- ישירות
- לגלות
- לא
- תחום
- לא
- מטה
- נהיגה
- ראוי
- כל אחד
- אפקטיבי
- יעילות
- מאמץ
- או
- לאפשר
- מקצה לקצה
- נקודת קצה
- מהנדס
- מִפְעָל
- סביבות
- דוגמה
- דוגמאות
- קיימים
- ניסיון
- לְנַסוֹת
- מומחיות
- לחקור
- חוקר
- היכרות
- מעטים
- תרשים
- שלח
- לממן
- ראשון
- הבא
- בעד
- כוחות
- הונאה
- גילוי הונאה
- החל מ-
- מלא
- פונקציות
- עתיד
- ליצור
- יצירת
- Go
- יש
- he
- כותרות
- גובה
- לעזור
- עזרה
- עוזר
- ומכאן
- אירוח
- איך
- אולם
- HTML
- http
- HTTPS
- טבור
- זיהוי
- זהות
- if
- לייבא
- יבוא
- לשפר
- in
- כולל
- כולל
- בנפרד
- מידע
- קלט
- במקום
- הוראות
- השתלבות
- מִמְשָׁק
- אל תוך
- בעיות
- IT
- שֶׁלָה
- עבודה
- jpg
- ג'סון
- רק
- מפתח
- אחרון
- שנה שעברה
- מוביל
- לִלמוֹד
- למידה
- יציאה
- אורך
- כמו
- אוהב
- מגבלות
- קו
- ברשימה
- מיקום
- היכנס
- התחבר
- הסתכלות
- לתחזק
- לעשות
- לנהל
- מדריך ל
- ייצור
- שיווק
- מידות
- בינוני
- מידע נוסף
- שיטות
- מדדים
- יכול
- אכפת לי
- דקות
- להקל
- ML
- מודל
- מודלים
- חודשים
- יותר
- מספר
- כלי נגינה
- צריך
- שם
- טבע
- ניווט
- צרכי
- חדש
- לא
- מחברה
- הודעה
- of
- לעתים קרובות
- on
- על הסיפון
- ONE
- קוד פתוח
- תפעול
- אופטימיזציה
- מיטוב
- אפשרות
- or
- ארגונים
- אחר
- הַחוּצָה
- תוצאות
- תפוקה
- בחוץ
- שֶׁלוֹ
- עמוד
- זגוגית
- עבר
- לוהט
- דפוסי
- הרשאות
- גופני
- פלטפורמה
- אפלטון
- מודיעין אפלטון
- אפלטון נתונים
- הודעה
- פוטנציאל
- לחזות
- נבואה
- התחזיות
- תנאים מוקדמים
- בעיה
- בעיות
- תהליך
- תהליכים
- תהליך
- המוצר
- הפקה
- פּרוֹיֶקט
- לספק
- ובלבד
- מספק
- איכות
- שאלות
- רכס
- לקבל
- להפחית
- באזור
- הירשם
- רישום
- רלוונטי
- דרישות
- משאבים
- וכתוצאה מכך
- הכנסה
- סקירה
- הסיכון
- תפקיד
- בעל חכמים
- מכירות
- אותו
- מדע
- מַדְעָן
- מדענים
- מניה
- סעיף
- לִרְאוֹת
- בחירה
- לחצני מצוקה לפנסיונרים
- שרות
- שירותים
- סט
- הגדרות
- שיתוף
- משותף
- שיתופים
- שיתוף
- היא
- ראווה
- כבה
- דומה
- פָּשׁוּט
- יחיד
- קטן
- So
- תוכנה
- מהנדס תוכנה
- פתרונות
- לפתור
- חברות סטארט-אפ
- מצב
- צעדים
- אחסון
- חנות
- אסטרטגיות
- סטודיו
- כזה
- לספק
- שרשרת אספקה
- מיטוב שרשרת האספקה
- תמיכה
- סינטטי
- לקחת
- יעד
- משימות
- צוותי
- טכני
- טלקום
- מסוף
- מֵאֲשֶׁר
- זֶה
- השמיים
- שֶׁלָהֶם
- אותם
- אז
- אלה
- הֵם
- זֶה
- אלה
- שְׁלוֹשָׁה
- חזק יותר
- זמן
- ל
- רכבת
- מְאוּמָן
- הדרכה
- סוג
- תחת
- יחידות
- להשתמש
- מְשׁוּמָשׁ
- משתמש
- משתמשים
- באמצעות
- אימות
- ערך
- יצירת ערך
- גרסה
- לצפיה
- ראות
- חזון
- we
- מתי
- אשר
- בזמן
- מי
- רָחָב
- טווח רחב
- עם
- בתוך
- לְלֹא
- תיק עבודות
- עובד
- עובד
- כתיבה
- שנה
- שנים
- אתה
- זפירנט