Amazon SageMaker Studio je spletno zasnovano integrirano razvojno okolje (IDE) za strojno učenje (ML), ki vam omogoča gradnjo, usposabljanje, odpravljanje napak, uvajanje in spremljanje vaših modelov ML. SageMaker Studio ponuja vsa orodja, ki jih potrebujete, da popeljete svoje modele od priprave podatkov do eksperimentiranja in produkcije, hkrati pa povečate svojo produktivnost.
Amazon SageMaker Canvas je zmogljivo orodje za strojno učenje brez kode, zasnovano za poslovne in podatkovne skupine za ustvarjanje natančnih napovedi brez pisanja kode ali obširnih izkušenj z jezikovnim učenjem. S svojim intuitivnim vizualnim vmesnikom SageMaker Canvas poenostavi postopek nalaganja, čiščenja in preoblikovanja naborov podatkov ter gradnjo modelov ML, zaradi česar je dostopen širšemu občinstvu.
Ko pa se vaše potrebe ML razvijajo ali če potrebujete naprednejšo prilagoditev in nadzor, boste morda želeli preiti iz okolja brez kode na pristop, ki temelji na prvi kodi. Tu nastopi brezhibna integracija med SageMaker Canvas in SageMaker Studio.
V tej objavi predstavljamo rešitev za naslednje vrste uporabnikov:
- Strokovnjaki, ki niso ML, kot so poslovni analitiki, podatkovni inženirji ali razvijalci, ki so strokovnjaki za področje in jih zanimajo orodja brez kodiranja z nizko kodo (LCNC), ki jih vodijo pri pripravi podatkov za ML in gradnji modelov ML. Ta oseba je običajno samo uporabnik SageMaker Canvas in se pogosto zanaša na strokovnjake za strojno učenje v svoji organizaciji, da pregledajo in odobrijo njihovo delo.
- Strokovnjaki za ML, ki jih zanima, kako lahko orodja LCNC pospešijo dele življenjskega cikla ML (kot je priprava podatkov), vendar bodo verjetno uporabili tudi visoko kodni pristop za določene dele življenjskega cikla ML (kot je izgradnja modela). Ta oseba je običajno uporabnik SageMaker Studio, ki je lahko tudi uporabnik SageMaker Canvas. Strokovnjaki za ML pogosto igrajo tudi vlogo pri pregledu in odobritvi dela strokovnjakov, ki niso strokovnjaki za ML, za primere proizvodne uporabe.
Uporabnost rešitev, predlaganih v tej objavi, je dvojna. Prvič, s prikazom, kako lahko delite modele v SageMaker Canvas in SageMaker Studio, lahko strokovnjaki, ki niso strokovnjaki za ML, in strokovnjaki za ML sodelujejo v svojih želenih okoljih, ki je lahko okolje brez kode (SageMaker Canvas) za nestrokovnjake in visoko kodirano okolje. okolju (SageMaker Studio) za strokovnjake. Drugič, s prikazom, kako deliti model iz SageMaker Canvas v SageMaker Studio, pokažemo, kako lahko strokovnjaki za ML, ki se želijo preusmeriti s pristopa LCNC za razvoj na pristop z visoko kodo za proizvodnjo, to storijo v vseh okoljih SageMaker. Rešitev, opisana v tej objavi, je namenjena uporabnikom novega studia SageMaker. Za uporabnike SageMaker Studio Classic glejte Sodelujte s podatkovnimi znanstveniki kako lahko nemoteno prehajate med SageMaker Canvas in SageMaker Studio Classic.
Pregled rešitev
Za nemoten prehod med ML brez kode in ML s prvo kodo s SageMaker Canvas in SageMaker Studio smo orisali dve možnosti. Izberete lahko možnost glede na vaše zahteve. V nekaterih primerih se lahko odločite za uporabo obeh možnosti vzporedno.
- 1. možnost: register modelov SageMaker – Uporabnik SageMaker Canvas registrira svoj model v Register modelov Amazon SageMaker, ki prikliče delovni tok upravljanja za strokovnjake za ML, da pregledajo podrobnosti in metrike modela, ga nato odobrijo ali zavrnejo, nato pa lahko uporabnik uvede odobreni model iz SageMaker Canvas. Ta možnost je avtomatiziran postopek skupne rabe, ki vam nudi vgrajeno upravljanje in sledenje odobritvam. Ogledate si lahko meritve modela; vendar je vidnost kode in arhitekture modela omejena. Naslednji diagram ponazarja arhitekturo.
- Možnost 2: Izvoz prenosnika – Pri tej možnosti uporabnik SageMaker Canvas izvozi celoten zvezek iz SageMaker Canvas v Preprosta storitev shranjevanja Amazon (Amazon S3), ga nato deli s strokovnjaki za ML za uvoz v SageMaker Studio, kar omogoča popolno vidljivost in prilagoditev kode in logike modela, preden strokovnjak za ML uvede izboljšani model. V tej možnosti obstaja popoln pregled nad kodo in arhitekturo modela z možnostjo strokovnjaka za ML, da prilagodi in izboljša model v SageMaker Studio. Vendar ta možnost zahteva ročni izvoz in uvoz modela prenosnega računalnika v IDE. Naslednji diagram ponazarja to arhitekturo.
Naslednje faze opisujejo korake za sodelovanje:
- Delite s prijatelji, znanci, družino in partnerji :-) – Uporabnik SageMaker Canvas registrira model iz SageMaker Canvas ali prenese prenosnik iz SageMaker Canvas
- pregled – Uporabnik SageMaker Studio dostopa do modela prek registra modelov, da pregleda in zažene izvoženi zvezek prek JupyterLab, da potrdi model
- Odobritev – Uporabnik SageMaker Studio odobri model iz registra modelov
- uvajanje – Uporabnik SageMaker Studio lahko uvede model iz JupyterLab ali uporabnik SageMaker Canvas lahko uvede model iz SageMaker Canvas
Oglejmo si podrobno dve možnosti (register modela in izvoz prenosnega računalnika) znotraj vsakega koraka.
Predpogoji
Preden se poglobite v rešitev, se prepričajte, da ste se prijavili in ustvarili račun AWS. Nato morate ustvariti skrbniškega uporabnika in skupino. Za navodila o obeh korakih glejte Nastavite predpogoje za Amazon SageMaker. Ta korak lahko preskočite, če že imate v teku svojo različico programa SageMaker Studio.
Dokončati predpogoji za nastavitev SageMaker Canvas in ustvarite model po vaši izbiri za vaš primer uporabe.
Delite model
Uporabnik SageMaker Canvas deli model z uporabnikom SageMaker Studio tako, da ga bodisi registrira v SageMaker Model Registry, kar sproži potek dela upravljanja, bodisi tako, da prenese celoten zvezek iz SageMaker Canvas in ga zagotovi uporabniku SageMaker Studio.
Model registra SageMaker
Za uvedbo z registrom modelov SageMaker izvedite naslednje korake:
- Ko je model ustvarjen v SageMaker Canvas, izberite meni z možnostmi (tri navpične pike) in izberite Dodaj v register modelov.
- Vnesite ime za skupino modelov.
- Izberite Dodaj.
Zdaj lahko vidite, da je model registriran.
Vidite lahko tudi, da model čaka na odobritev.
Izvoz prenosnika SageMaker
Za uvedbo s prenosnim računalnikom SageMaker izvedite naslednje korake:
- V meniju z možnostmi izberite Ogled Beležnice.
- Izberite Kopiraj S3 URI.
Zdaj lahko delite S3 URI z uporabnikom SageMaker Studio.
Preglejte model
Uporabnik SageMaker Studio dostopa do modela v skupni rabi prek registra modela, da pregleda njegove podrobnosti in metrike, lahko pa uvozi izvoženi prenosni računalnik v SageMaker Studio in uporabi zvezke Jupyter za temeljito preverjanje kode, logike in zmogljivosti modela.
Model registra SageMaker
Če želite uporabiti register modelov, izvedite naslednje korake:
- Na konzoli SageMaker Studio izberite Modeli v podoknu za krmarjenje.
- Izberite Registrirani modeli.
- Izberite svoj model.
Lahko pregledate podrobnosti modela in vidite, da je status na čakanju.
Pregledate lahko tudi različne meritve, da preverite učinkovitost modela.
Ogledate si lahko meritve modela; vendar je vidnost kode in arhitekture modela omejena. Če želite popoln pregled nad kodo in arhitekturo modela z možnostjo prilagoditve in izboljšave modela, uporabite možnost izvoza zvezka.
Izvoz prenosnika SageMaker
Če želite uporabiti možnost izvoza zvezka kot uporabnik SageMaker Studio, dokončajte naslednje korake.
- Zaženite SageMaker Studio in izberite jupyter lab pod Aplikacije.
- Odprite prostor JupyterLab. Če nimate prostora JupyterLab, ga lahko ustvarite.
- Odprite terminal in zaženite naslednji ukaz za kopiranje zvezka iz Amazon S3 v SageMaker Studio (številka računa v naslednjem primeru je spremenjena v
awsaccountnumber
): - Ko je zvezek prenesen, ga lahko odprete in zaženete za nadaljnje vrednotenje.
Odobrite model
Po celovitem pregledu lahko uporabnik SageMaker Studia sprejme informirano odločitev o odobritvi ali zavrnitvi modela v registru modelov na podlagi svoje ocene njegove kakovosti, točnosti in primernosti za predvideni primer uporabe.
Za uporabnike, ki so svoj model registrirali prek uporabniškega vmesnika Canvas, sledite spodnjim korakom za odobritev modela. Za uporabnike, ki so izvozili model prenosnega računalnika iz uporabniškega vmesnika Canvas, lahko registrirate in odobrite model z uporabo registra modelov SageMaker, vendar ti koraki niso obvezni.
Model registra SageMaker
Ko ste uporabnik SageMaker Studio, lahko stanje posodobite na odobreno, ko vam model ustreza. Odobritev se izvede samo v registru modelov SageMaker. Izvedite naslednje korake:
- V SageMaker Studio se pomaknite do različice modela.
- V meniju z možnostmi izberite Posodobi status in Odobreno.
- Vnesite neobvezen komentar in izberite Shrani in posodobi.
Zdaj lahko vidite, da je model odobren.
Namestite model
Ko je model pripravljen za uporabo (prejel je potrebne preglede in odobritve), imajo uporabniki dve možnosti. Uporabniki, ki so izbrali pristop modelnega registra, lahko uvedejo iz SageMaker Studio ali SageMaker Canvas. Za uporabnike, ki so izbrali pristop izvoza modela prenosnega računalnika, ga lahko uvedejo iz studia SageMaker. Obe možnosti uvedbe sta podrobno opisani spodaj.
Namestite prek SageMaker Studio
Uporabnik SageMaker Studio lahko uvede model iz prostora JupyterLab.
Ko je model uveden, se lahko pomaknete do konzole SageMaker in izberete Končne točke pod Sklepanje v navigacijskem podoknu in si oglejte model.
Namestite prek SageMaker Canvas
Če z uvajanjem upravlja uporabnik SageMaker Canvas, lahko model razmestite iz SageMaker Canvas.
Ko je model uveden, se lahko pomaknete do Končne točke stran na konzoli SageMaker za ogled modela.
Čiščenje
Da bi se izognili prihodnjim stroškom seje, se odjavite iz SageMaker Canvas.
Če se želite izogniti nenehnim bremenitvam, izbrišite končne točke sklepanja SageMaker. Končne točke lahko izbrišete prek konzole SageMaker ali iz beležnice SageMaker Studio z naslednjimi ukazi:
zaključek
Prej ste lahko v SageMaker Studio Classic delili modele samo s programom SageMaker Canvas (ali si ogledovali skupne modele SageMaker Canvas). V tej objavi smo pokazali, kako deliti modele, zgrajene v SageMaker Canvas, s SageMaker Studio, tako da lahko sodelujejo različne ekipe in se lahko preusmerite s poti uvajanja brez kode na pot uvajanja z visoko kodo. Z uporabo registra modelov SageMaker ali izvozom prenosnih računalnikov lahko strokovnjaki in nestrokovnjaki za ML sodelujejo, pregledujejo in izboljšajo modele na teh platformah, kar omogoča nemoten potek dela od priprave podatkov do uvajanja v proizvodnjo.
Za več informacij o sodelovanju pri modelih z uporabo SageMaker Canvas glejte Zgradite, delite, uvedite: kako poslovni analitiki in podatkovni znanstveniki dosežejo hitrejši čas do trga z uporabo ML brez kode in Amazon SageMaker Canvas.
O avtorjih
Rajakumar Sampathkumar je glavni tehnični vodja računa pri AWS, ki strankam zagotavlja smernice glede usklajevanja poslovne tehnologije in podpira preoblikovanje njihovih modelov in procesov delovanja v oblaku. Navdušen je nad oblakom in strojnim učenjem. Raj je tudi specialist za strojno učenje in sodeluje s strankami AWS pri načrtovanju, uvajanju in upravljanju njihovih delovnih obremenitev in arhitektur AWS.
Meenakshisundaram Thandavarayan dela za AWS kot strokovnjak za AI/ML. Ima strast do oblikovanja, ustvarjanja in promocije na človeka osredotočenih podatkov in analitičnih izkušenj. Meena se osredotoča na razvoj trajnostnih sistemov, ki zagotavljajo merljive konkurenčne prednosti za strateške stranke AWS. Meena je mislec povezovalca in oblikovanja ter si prizadeva usmeriti podjetja v nove načine dela z inovacijami, inkubacijo in demokratizacijo.
Claire O'Brien Rajkumar je višji produktni vodja v ekipi Amazon SageMaker, ki se osredotoča na SageMaker Canvas, delovni prostor SageMaker z nizko kodo in brez kode za ML in generativni AI. SageMaker Canvas pomaga demokratizirati ML in generativno umetno inteligenco, tako da zmanjša ovire za sprejemanje za tiste, ki so novi v ML, in pospeši potek dela za napredne strokovnjake.
- Distribucija vsebine in PR s pomočjo SEO. Okrepite se še danes.
- PlatoData.Network Vertical Generative Ai. Opolnomočite se. Dostopite tukaj.
- PlatoAiStream. Web3 Intelligence. Razširjeno znanje. Dostopite tukaj.
- PlatoESG. Ogljik, CleanTech, Energija, Okolje, sončna energija, Ravnanje z odpadki. Dostopite tukaj.
- PlatoHealth. Obveščanje o biotehnologiji in kliničnih preskušanjih. Dostopite tukaj.
- vir: 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/
- :ima
- : je
- :ne
- :kje
- $GOR
- 1
- 100
- 204
- 378
- 7
- 9
- a
- sposobnost
- O meni
- pospeši
- pospeševanje
- dostopen
- Račun
- natančnost
- natančna
- Doseči
- čez
- dodajte
- upravno
- Sprejetje
- napredno
- Prednosti
- po
- AI
- poravnava
- vsi
- že
- Prav tako
- Amazon
- Amazon SageMaker
- Amazon SageMaker Canvas
- Amazon SageMaker Studio
- Amazon Web Services
- an
- Analitiki
- analitika
- in
- pristop
- odobritev
- odobritve
- odobri
- odobren
- Arhitektura
- arhitekture
- SE
- AS
- ocenjevanje
- At
- Občinstvo
- Avtomatizirano
- izogniti
- AWS
- ovire
- temeljijo
- BE
- pred
- spodaj
- med
- povečanje
- tako
- širši
- izgradnjo
- Building
- zgrajena
- vgrajeno
- poslovni
- vendar
- by
- CAN
- Kandidat
- platno
- primeru
- primeri
- nekatere
- spremenilo
- Stroški
- preveriti
- izbira
- Izberite
- klasična
- Cloud
- Koda
- sodelovati
- sodelovati
- sodelovanje
- prihaja
- udobna
- komentar
- konkurenčno
- dokončanje
- celovito
- Konzole
- nadzor
- copy
- bi
- ustvarjajo
- ustvaril
- stranka
- Stranke, ki so
- customization
- prilagodite
- datum
- Priprava podatkov
- nabor podatkov
- odloča
- Odločitev
- poda
- zahteve
- demokratizacija
- demokratizirati
- dokazuje
- razporedi
- razporejeni
- uvajanje
- razpolaga
- opisati
- Oblikovanje
- zasnovan
- Podatki
- podrobno
- Podrobnosti
- Razvijalci
- razvoju
- Razvoj
- diagram
- drugačen
- potop
- do
- domena
- dont
- prenesli
- nalaganje
- prenosov
- pogon
- vsak
- bodisi
- omogočanje
- Inženirji
- okrepi
- okrepljeno
- okolje
- okolja
- oceniti
- razvijajo
- Primer
- izkušnje
- Doživetja
- strokovnjak
- Strokovnjaki
- izvoz
- izvoznica
- Izvoz
- obsežen
- hitreje
- osredotočena
- sledi
- po
- za
- iz
- polno
- nadalje
- Prihodnost
- ustvarjajo
- generativno
- Generativna AI
- upravljanje
- skupina
- Navodila
- vodi
- se zgodi
- Imajo
- ob
- he
- Pomaga
- Kako
- Kako
- Vendar
- HTML
- http
- HTTPS
- if
- ponazarja
- uvoz
- in
- INKUBACIJA
- Podatki
- obvestila
- Inovacije
- Navodila
- integrirana
- integracija
- namenjen
- zainteresirani
- vmesnik
- v
- intuitivno
- IT
- ITS
- jpeg
- jpg
- lab
- učenje
- Lets
- življenski krog
- Verjeten
- Limited
- nalaganje
- prijavi
- Logika
- Poglej
- Spuščanje
- stroj
- strojno učenje
- Znamka
- Izdelava
- upravljanje
- upravitelj
- Navodilo
- Maj ..
- Meni
- Meritve
- morda
- ML
- Model
- modeli
- monitor
- več
- Ime
- Krmarjenje
- ostalo
- potrebno
- Nimate
- potrebe
- Novo
- nestrokovnjaki
- prenosnik
- zdaj
- Številka
- of
- pogosto
- on
- ONE
- v teku
- samo
- odprite
- Delovanje
- Možnost
- možnosti
- or
- Organizacija
- ven
- opisano
- lastne
- podokno
- vzporedno
- deli
- strast
- strastno
- pot
- dokler
- performance
- faze
- pivot
- Platforme
- platon
- Platonova podatkovna inteligenca
- PlatoData
- Predvajaj
- prosim
- Prispevek
- močan
- Napovedi
- Predictor
- prednostno
- Priprava
- priprava
- predstaviti
- , ravnateljica
- Postopek
- Procesi
- Izdelek
- produktni vodja
- proizvodnja
- produktivnost
- spodbujanje
- predlagano
- zagotavlja
- zagotavljanje
- kakovost
- pripravljen
- prejetih
- glejte
- Registracija
- registriranih
- registracijo
- registri
- registra
- opira
- zahteva
- obvezna
- Zahteve
- pregleda
- pregledovanje
- Mnenja
- vloga
- Run
- tek
- sagemaker
- Sklep SageMaker
- Znanstveniki
- brezšivne
- brez težav
- glej
- Storitve
- Zasedanje
- nastavitev
- Delite s prijatelji, znanci, družino in partnerji :-)
- deli
- Delnice
- delitev
- Prikaži
- je pokazala,
- podpisano
- Enostavno
- poenostavlja
- nemoteno
- So
- Rešitev
- rešitve
- nekaj
- Vesolje
- specialist
- Status
- Korak
- Koraki
- shranjevanje
- Strateško
- si prizadeva
- studio
- taka
- primernosti
- Podpora
- Preverite
- trajnostno
- sistemi
- Bodite
- skupina
- Skupine
- tehnični
- terminal
- da
- O
- njihove
- Njih
- POTEM
- Tukaj.
- te
- jih
- mislec
- ta
- temeljito
- tisti,
- 3
- skozi
- do
- vzel
- orodje
- orodja
- Sledenje
- Vlak
- preoblikovanje
- Prehod
- poskusi
- dva
- dvojno
- Vrste
- tipično
- ui
- pod
- Nadgradnja
- uporaba
- primeru uporabe
- uporabnik
- Uporabniki
- uporabo
- pripomoček
- POTRDI
- različica
- vertikalno
- preko
- Poglej
- vidljivost
- vizualna
- želeli
- načini
- we
- web
- spletne storitve
- Web-Based
- kdaj
- ki
- medtem
- WHO
- z
- v
- brez
- delo
- potek dela
- delovnih tokov
- deluje
- deluje
- pisanje
- Vi
- Vaša rutina za
- zefirnet