AWS posisjonert i kategorien Ledere i 2022 IDC MarketScape for APEJ AI Life-Cycle Software Tools and Platforms Vendor Assessment

Det nylig publiserte IDC MarketScape: Asia/Pacific (ekskludert Japan) AI Life-Cycle Software Tools and Platforms 2022 Vendor Assessment plasserer AWS i kategorien Ledere. Dette var den første og eneste APEJ-spesifikke analytikerevalueringen fokusert på AI livssyklusprogramvare fra IDC. Leverandørene som er evaluert for dette MarketScape tilbyr ulike programvareverktøy som trengs for å støtte ende-til-ende maskinlæring (ML) modellutvikling, inkludert dataforberedelse, modellbygging og opplæring, modelldrift, evaluering, distribusjon og overvåking. Verktøyene brukes vanligvis av dataforskere og ML-utviklere fra eksperimentering til produksjonsdistribusjon av AI- og ML-løsninger.

AI livssyklusverktøy er avgjørende for å produktisere AI/ML-løsninger. De går ganske mange skritt utover AI/ML-eksperimentering: for å oppnå distribusjon hvor som helst, ytelse i stor skala, kostnadsoptimalisering og stadig viktigere, støtter systematisk modellrisikostyring – forklaring, robusthet, drift, personvern og mer. Bedrifter trenger disse verktøyene for å låse opp verdien av bedriftsdataressurser i større skala og raskere hastighet.

Leverandørkrav for IDC MarketScape

For å bli vurdert for MarketScape, måtte leverandøren levere programvareprodukter for ulike aspekter av ende-til-ende ML-prosessen under uavhengige produktlagerenheter (SKUs) eller som en del av en generell AI-programvareplattform. Produktene måtte være basert på selskapets egen IP, og produktene skulle ha generert programvarelisensinntekter eller forbruksbaserte programvareinntekter i minst 12 måneder i APEJ per mars 2022. Selskapet skulle være blant de 15 beste leverandørene pr. de rapporterte inntektene for 2020–2021 i APEJ-regionen, ifølge IDCs AI Software Tracker. AWS oppfylte kriteriene og ble evaluert av IDC sammen med åtte andre leverandører.

Resultatet av IDCs omfattende evaluering ble publisert i oktober 2022 i IDC MarketScape: Asia/Pacific (Excluding Japan) AI Life-Cycle Software Tools and Platforms 2022 Vendor Assessment. AWS er ​​plassert i kategorien Ledere basert på nåværende evner. AWS-strategien er å foreta kontinuerlige investeringer i AI/ML-tjenester for å hjelpe kunder med å innovere med AI og ML.

AWS posisjon

"AWS er ​​plassert i kategorien Ledere i denne øvelsen, og mottar høyere rangeringer i ulike vurderingskategorier - bredden av verktøytjenester som tilbys, alternativer for å redusere kostnadene for ytelse, kvaliteten på kundeservice og støtte, og tempoet i produktinnovasjon, for å nevne en få."

– Jessie Danqing Cai, assisterende forskningsdirektør, Big Data & Analytics Practice, IDC Asia/Pacific.

Det visuelle bildet nedenfor er en del av MarketScape og viser AWS-posisjonen evaluert etter evner og strategier.

IDC MarketScape-leverandøranalysemodellen er utformet for å gi en oversikt over konkurransedyktigheten til IKT-leverandører i et gitt marked. Forskningsmetodikken bruker en streng skåringsmetodikk basert på både kvalitative og kvantitative kriterier som resulterer i en enkelt grafisk illustrasjon av hver leverandørs posisjon innenfor et gitt marked. Capabilities-poengsummen måler leverandørprodukt, gå-til-markedet og virksomhetsutførelse på kort sikt. Strategipoengsummen måler tilpasning av leverandørstrategier til kundenes krav i en 3–5-års tidsramme. Leverandørens markedsandel er representert ved størrelsen på ikonene.

Amazon SageMaker evaluert som en del av MarketScape

Som en del av evalueringen dukket IDC dypt inn Amazon SageMaker evner. SageMaker er en fullstendig administrert tjeneste for å bygge, trene og distribuere ML-modeller for alle brukstilfeller med fullstendig administrert infrastruktur, verktøy og arbeidsflyter. Siden lanseringen av SageMaker i 2017 har over 250 muligheter og funksjoner blitt utgitt.

ML-utøvere som dataforskere, dataingeniører, forretningsanalytikere og MLOps-fagfolk bruker SageMaker til å bryte ned barrierer på tvers av hvert trinn i ML-arbeidsflyten gjennom deres valg av integrerte utviklingsmiljøer (IDEer) eller grensesnitt uten kode. Fra og med dataforberedelse gjør SageMaker det enkelt å få tilgang til, merke og behandle store mengder strukturerte data (tabelldata) og ustrukturerte data (foto, video, geospatial og lyd) for ML. Etter at data er forberedt, tilbyr SageMaker fullt administrerte bærbare datamaskiner for modellbygging og reduserer treningstiden fra timer til minutter med optimalisert infrastruktur. SageMaker gjør det enkelt å distribuere ML-modeller for å lage spådommer til den beste pris-ytelse for enhver brukssituasjon gjennom et bredt utvalg av ML-infrastruktur og modelldistribusjonsalternativer. Til slutt hjelper MLOps-verktøyene i SageMaker deg med å skalere modelldistribusjon, redusere slutningskostnader, administrere modeller mer effektivt i produksjonen og redusere driftsbyrden.

MarketScape nevner tre styrker for AWS:

• Funksjonalitet og tilbud – SageMaker tilbyr et bredt og dypt sett med verktøy for dataforberedelse, modellopplæring og distribusjon, inkludert AWS-bygget silisium: AWS slutning for slutningsarbeidsbelastninger og AWS Trainium for treningsarbeid. SageMaker støtter modellforklarbarhet og skjevhetsdeteksjon gjennom Amazon SageMaker Clarify.
• Leveringstjeneste – SageMaker er naturlig tilgjengelig på AWS, den nest største offentlige skyplattformen i APEJ-regionen (basert på IDC Public Cloud Services Tracker, IaaS+PaaS, 2021-data), med regioner i Japan, Australia, New Zealand, Singapore, India, Indonesia , Sør-Korea og Stor-Kina. Lokale soner er tilgjengelige for å betjene kunder i ASEAN-land: Thailand, Filippinene og Vietnam.
• Vekstmuligheter – AWS bidrar aktivt til åpen kildekode-prosjekter som Gluon og engasjerer seg med regionale utvikler- og studentmiljøer gjennom mange arrangementer, nettkurs og Amazon SageMaker Studio Lab, et gratis SageMaker bærbare miljø.

SageMaker lanseres på re:Invent 2022

SageMaker-innovasjonen fortsatte på AWS re:Invent 2022, med åtte nye evner. Lanseringene inkluderte tre nye funksjoner for ML-modellstyring. Etter hvert som antallet modeller og brukere i en organisasjon øker, blir det vanskeligere å angi minst privilegerte tilgangskontroller og etablere styringsprosesser for å dokumentere modellinformasjon (for eksempel input-datasett, informasjon om opplæringsmiljø, beskrivelse av modellbruk og risikovurdering) . Etter at modellene er distribuert, må kundene også overvåke for skjevheter og funksjonsavvik for å sikre at de fungerer som forventet. En ny rolleleder, modellkort og modelldashbord forenkler tilgangskontrollen og forbedrer åpenheten til støtten ML-modellstyring.

Det var også tre lanseringer knyttet til Amazon SageMaker Studio notatbøker. SageMaker Studio bærbare PC-er gir utøvere en fullstendig administrert bærbar opplevelse, fra datautforskning til distribusjon. Etter hvert som team vokser i størrelse og kompleksitet, kan dusinvis av utøvere trenge å utvikle modeller sammen ved hjelp av bærbare datamaskiner. AWS fortsetter å tilby det beste notatbokopplevelse for brukere, med lanseringen av tre nye funksjoner som hjelper deg med å koordinere og automatisere notatbokkode.

For å støtte modelldistribusjon, hjelper nye funksjoner i SageMaker deg med å kjøre skyggetester for å evaluere en ny ML-modell før produksjonsutgivelse ved å teste ytelsen mot den nåværende distribuerte modellen. Skyggetesting kan hjelpe deg med å fange opp potensielle konfigurasjonsfeil og ytelsesproblemer før de påvirker sluttbrukere.

Til slutt lanserte SageMaker støtte for geospatial ML, som lar dataforskere og ML-ingeniører enkelt bygge, trene og distribuere ML-modeller ved hjelp av geospatiale data. Du kan få tilgang til geospatiale datakilder, spesialbygde behandlingsoperasjoner, forhåndsopplærte ML-modeller og innebygde visualiseringsverktøy for å kjøre geospatial ML raskere og i skala.

I dag bruker titusenvis av kunder Amazon SageMaker til å trene modeller med milliarder av parametere og lage over 1 billion spådommer per måned. For å lære mer om SageMaker, besøk webside og utforske hvordan fullstendig administrert infrastruktur, verktøy og arbeidsflyter kan hjelpe deg med å akselerere utviklingen av ML-modeller.

---

Om forfatteren

Kimberly Madia er hovedansvarlig for produktmarkedsføring med AWS Machine Learning. Hennes mål er å gjøre det enkelt for kunder å bygge, trene og distribuere maskinlæringsmodeller ved hjelp av Amazon SageMaker. For moro skyld utenfor arbeidet liker Kimberly å lage mat, lese og løpe på San Francisco Bay Trail.

• SEO-drevet innhold og PR-distribusjon. Bli forsterket i dag.
• Platoblokkkjede. Web3 Metaverse Intelligence. Kunnskap forsterket. Tilgang her.
• kilde: 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/