Amazon SageMaker Veri Düzenleyicisi makine öğrenimi (ML) için veri toplama ve hazırlama süresini haftalardan dakikalara indirir Amazon SageMaker Stüdyosu. Data Wrangler, veri hazırlığınızı basitleştirebilir ve mühendislik süreçlerini öne çıkarabilir ve veri seçimi, temizleme, keşif ve görselleştirme konusunda size yardımcı olabilir. Data Wrangler, PySpark'ta yazılmış 300'den fazla yerleşik dönüşüme sahiptir, böylece varsayılan örnek olan ml.m5.4xlarge üzerinde yüzlerce gigabayta kadar veri kümelerini verimli bir şekilde işleyebilirsiniz.
Ancak, yerleşik dönüştürmeleri kullanarak terabaytlara kadar veri kümeleriyle çalıştığınızda, daha uzun işlem süresi veya olası bellek yetersiz hatalarla karşılaşabilirsiniz. Veri gereksinimlerinize bağlı olarak, artık ek kullanabilirsiniz Amazon Elastik Bilgi İşlem Bulutu (Amazon EC2) M5 örnekleri ve R5 örnekleri. Örneğin, varsayılan bir örnekle (ml.m5.4xlarge) başlayabilir ve ardından ml.m5.24xlarge veya ml.r5.24xlarge'a geçebilirsiniz. Farklı bulut sunucusu türleri seçme ve çalıştırma maliyeti ile işlem süreleri arasında en iyi dengeyi bulma seçeneğiniz vardır. Bir dahaki sefere zaman serisi dönüştürme üzerinde çalışırken ve verilerinizi dengelemek için ağır transformatörler çalıştırırken, bu süreçleri daha hızlı çalıştırmak için Data Wrangler örneğinizi doğru boyutlandırabilirsiniz.
Özel bir Pandas dönüşümüyle onlarca gigabayt veya daha fazlasını işlerken, yetersiz bellek hatalarıyla karşılaşabilirsiniz. Varsayılan örnekten (ml.m5.4xlarge) ml.m5.24xlarge'a geçiş yapabilirsiniz ve dönüştürme hatasız bir şekilde tamamlanacaktır. Bir veri kümesi portföyünde örnek boyutunu artırdıkça, kapsamlı bir kıyaslama yaptık ve doğrusal hızlanma gözlemledik.
Bu gönderide, Data Wrangler ile daha büyük ve daha geniş veri kümelerini nasıl işleyebileceğinizi göstermek için iki kıyaslama testinden elde ettiğimiz bulguları paylaşıyoruz.
Data Wrangler kıyaslama testleri
Şimdi, PySpark yerleşik transformatörlerini ve özel Panda dönüşümlerini kullanan farklı örnek türleriyle birlikte çalıştırdığımız iki testi, toplama sorgularını ve tek etkin kodlamayı gözden geçirelim. Toplama gerektirmeyen dönüşümler hızlı bir şekilde tamamlanır ve varsayılan örnek türüyle iyi çalışır, bu nedenle toplama sorgularına ve toplama içeren dönüşümlere odaklandık. Test veri setimizi Amazon Basit Depolama Hizmeti (Amazon S3). Bu veri kümesinin genişletilmiş boyutu, 100 milyon satır ve 80 sütun ile yaklaşık 300 GB'dir. Kıyaslama testlerini zamanlamak ve uçtan uca müşteriye yönelik gecikmeyi ölçmek için UI metriklerini kullandık. Test veri setimizi içe aktarırken, örneklemeyi devre dışı bıraktık. Örnekleme varsayılan olarak etkindir ve Data Wrangler etkinleştirildiğinde yalnızca ilk 100 satırı işler.x
Data Wrangler örnek boyutunu artırdıkça, Data Wrangler yerleşik dönüşümlerinde ve özel Spark SQL'de kabaca doğrusal bir hızlanma gözlemledik. Pandas toplama sorgu testleri, yalnızca ml.m5.16xl'den daha büyük örnekler kullandığımızda sona erdi ve Pandas'ın bu veri kümesi için toplama sorgularını işlemek için 180 GB belleğe ihtiyacı vardı.
Aşağıdaki tablo, toplama sorgusu test sonuçlarını özetlemektedir.
örnek | vCPU | Bellek (GiB) | Data Wrangler yerleşik Spark dönüşüm süresi | Pandalar Zamanı (Özel Dönüşüm) |
ml.m5.4xl | 16 | 64 | 229 saniye | Yetersiz bellek |
ml.m5.8xl | 32 | 128 | 130 saniye | Yetersiz bellek |
ml.m5.16xl | 64 | 256 | 52 saniye | 30 dakikadır. |
Aşağıdaki tablo, one-hot kodlama testi sonuçlarını özetlemektedir.
örnek | vCPU | Bellek (GiB) | Data Wrangler yerleşik Spark dönüşüm süresi | Pandalar Zamanı (Özel Dönüşüm) |
ml.m5.4xl | 16 | 64 | 228 saniye | Yetersiz bellek |
ml.m5.8xl | 32 | 128 | 130 saniye | Yetersiz bellek |
ml.m5.16xl | 64 | 256 | 52 saniye | Yetersiz bellek |
Veri akışının örnek türünü değiştirin
Akışınızın örnek türünü değiştirmek için aşağıdaki adımları tamamlayın:
- Amazon SageMaker Data Wrangler konsolunda, kullanmakta olduğunuz veri akışına gidin.
- Gezinme çubuğunda örnek türünü seçin.
- Kullanmak istediğiniz örnek türünü seçin.
- Klinik İndirim.
Bir ilerleme mesajı görünür.
Anahtar tamamlandığında, bir başarı mesajı görünür.
Data Wrangler, veri analizi ve veri dönüştürmeleri için seçilen örnek türünü kullanır. Varsayılan örnek ve geçiş yaptığınız örnek (ml.m5.16xlarge) çalışıyor. Belirli bir dönüşümü çalıştırmadan önce örnek türünü değiştirebilir veya varsayılan örneğe geri dönebilirsiniz.
Kullanılmayan örnekleri kapatın
Çalışan tüm örnekler için ücretlendirilirsiniz. Ek ücret ödememek için kullanmadığınız bulut sunucularını manuel olarak kapatın. Çalışan bir örneği kapatmak için aşağıdaki adımları tamamlayın:
- Veri akışı sayfanızda, altındaki kullanıcı arayüzünün sol bölmesindeki örnek simgesini seçin. Çalışan örnekler.
- Klinik kapatmak.
Bir akışı çalıştırmak için kullanılan bir örneği kapatırsanız, akışa geçici olarak erişemezsiniz. Daha önce kapattığınız bir örneği çalıştıran akışı açarken hata alırsanız yaklaşık 5 dakika bekleyin ve tekrar açmayı deneyin.
Sonuç
Bu gönderide, bulut sunucularını daha büyük M5 veya R5 bulut sunucusu türlerine değiştirerek Data Wrangler ile giderek daha geniş veri kümelerinin nasıl işleneceğini gösterdik. M5 örnekleri bilgi işlem, bellek ve ağ kaynakları dengesi sunar. R5 örnekleri bellek için optimize edilmiş örneklerdir. Hem M5 hem de R5, iş yükleriniz için maliyet ve performansı optimize etmek için bulut sunucusu türleri sağlar.
Data Wrangler ile veri akışlarını kullanma hakkında daha fazla bilgi için bkz. Veri Wrangler Akışı Oluşturun ve Kullanın ve Amazon SageMaker Fiyatlandırması. Data Wrangler'ı kullanmaya başlamak için bkz. Amazon SageMaker Data Wrangler ile ML Verilerini Hazırlayın.
Yazarlar Hakkında
Haydar Nakvi AWS'de Çözüm Mimarıdır. Kapsamlı yazılım geliştirme ve kurumsal mimari deneyimine sahiptir. Müşterilerin AWS ile iş sonuçları elde etmesini sağlamaya odaklanıyor. New York merkezlidir.
Huong Nguyen AWS'de Kıdemli Ürün Yöneticisidir. Hem kurumsal hem de tüketici alanları için müşteri merkezli ve veriye dayalı ürünler geliştirmede 14 yıllık tecrübesiyle SageMaker için veri ekosistemi entegrasyonuna liderlik ediyor.
Meenakshisundaram Thandavarayan AWS'de kıdemli bir AI/ML uzmanıdır. Yapay zeka ve makine öğrenimi yolculuklarında yüksek teknolojili stratejik hesaplara yardımcı olur. Veriye dayalı yapay zeka konusunda çok tutkulu.
Sriharsha M Sr Amazon Web Services Stratejik Uzman ekibinde bir AI/ML Uzman Çözüm Mimarıdır. Karmaşık iş sorunlarını çözmek için AI/ML'den yararlanan stratejik AWS müşterileriyle çalışır. AI/ML uygulamalarını uygun ölçekte uygulamak için teknik rehberlik ve tasarım tavsiyesi sağlar. Uzmanlığı uygulama mimarisini, büyük verileri, analitiği ve makine öğrenimini kapsar.
Nikita Ivkin Uygulamalı Bilim Adamı, Amazon SageMaker Data Wrangler.
- Akıllı para. Avrupa'nın En İyi Bitcoin ve Kripto Borsası.
- Plato blok zinciri. Web3 Metaverse Zekası. Bilgi Güçlendirildi. SERBEST ERİŞİM.
- KriptoHawk. Altcoin Radarı. Ücretsiz deneme.
- Kaynak: https://aws.amazon.com/blogs/machine-learning/process-larger-and-wider-datasets-with-amazon-sagemaker-data-wrangler/
- "
- 100
- Hakkımızda
- erişim
- karşısında
- Ek
- avantaj
- tavsiye
- AI
- Türkiye
- Amazon
- Amazon Web Servisleri
- analiz
- analytics
- Uygulama
- uygulamaları
- yaklaşık olarak
- mimari
- etrafında
- AWS
- kıyaslama
- İYİ
- büyük Veri
- bina
- yerleşik
- iş
- değişiklik
- yüklü
- yükler
- Klinik
- Temizlik
- karmaşık
- hesaplamak
- konsolos
- tüketici
- Şu anda
- görenek
- Müşteriler
- veri
- veri analizi
- göstermek
- gösterdi
- Dizayn
- gelişme
- farklı
- aşağı
- ekosistem
- verimli biçimde
- etkinleştirme
- Mühendislik
- kuruluş
- örnek
- deneyim
- Uzmanlık
- keşif
- kapsamlı, geniş
- Daha hızlı
- Özellikler(Hazırlık aşamasında)
- bulma
- Ad
- akış
- odaklanmış
- odaklanır
- takip etme
- yükseklik
- yardım et
- yardımcı olur
- Ne kadar
- Nasıl Yapılır
- HTTPS
- Yüzlerce
- ICON
- uygulamak
- ithal
- artmış
- bütünleşme
- IT
- büyük
- önemli
- ÖĞRENİN
- öğrenme
- makine
- makine öğrenme
- müdür
- el ile
- ölçmek
- Bellek
- Metrikleri
- milyon
- ML
- Daha
- Navigasyon
- ağ
- New York
- teklif
- açma
- optimize
- seçenek
- tutkulu
- performans
- portföy
- potansiyel
- Hazırlamak
- sorunlar
- süreç
- Süreçler
- işleme
- PLATFORM
- Ürünler
- sağlamak
- sağlar
- hızla
- gerektirir
- Yer Alan Kurallar
- Kaynaklar
- Sonuçlar
- yorum
- koşmak
- koşu
- ölçek
- bilim adamı
- seçilmiş
- Dizi
- Hizmetler
- paylaş
- Basit
- beden
- So
- Yazılım
- yazılım geliştirme
- Çözümler
- ÇÖZMEK
- alanlarda
- uzman
- başlama
- başladı
- hafızası
- Stratejik
- başarı
- anahtar
- alma
- takım
- Teknik
- test
- testleri
- iyice
- zaman
- Dönüştürmek
- Dönüşüm
- ui
- kullanım
- görüntüleme
- beklemek
- ağ
- web hizmetleri
- DSÖ
- olmadan
- İş
- çalışma
- çalışır
- yıl