Saltar para o conteúdo

Amazon SageMaker

Origem: Wikipédia, a enciclopédia livre.
Amazon SageMaker
Página oficial aws.amazon.com/sagemaker

O Amazon SageMaker é uma plataforma de aprendizado de máquina em nuvem que foi lançada em novembro de 2017.[1] O SageMaker permite que os desenvolvedores criem, treinem e implantem modelos de aprendizado de máquina (ML) na nuvem.[2] O SageMaker também permite que os desenvolvedores implantem modelos de ML em sistemas incorporados e dispositivos de ponta.[3][4]

O SageMaker permite que os desenvolvedores operem em vários níveis de abstração ao treinar e implantar modelos de aprendizado de máquina. Em seu nível mais alto de abstração, o SageMaker fornece modelos de ML pré-treinados que podem ser implantados diretamente, sem modificação.[5] Além disso, o SageMaker fornece vários algoritmos de ML integrados que os desenvolvedores podem treinar com seus próprios dados.[6][7] Além disso, o SageMaker fornece instâncias gerenciadas de TensorFlow e Apache MXNet, onde os desenvolvedores podem criar seus próprios algoritmos de ML do zero.[8] Independentemente do nível de abstração usado, um desenvolvedor pode conectar seus modelos de ML habilitados para SageMaker a outros serviços da AWS, como o banco de dados Amazon DynamoDB para armazenamento de dados estruturados,[9] AWS Batch para processamento em lote off-line,[9][10] ou Amazon Kinesis para processamento em tempo real.[11]

Interfaces de desenvolvimento

[editar | editar código-fonte]

Várias interfaces estão disponíveis para desenvolvedores interagirem com o SageMaker. Primeiro, há uma API Web que controla remotamente uma instância do servidor SageMaker.[12] Embora a API da Web seja independente da linguagem de programação usada pelo desenvolvedor, a Amazon fornece vinculações de API do SageMaker para várias linguagens, incluindo Python, JavaScript, Ruby, Java e Go.[13][14] Além disso, o SageMaker fornece instâncias gerenciadas do Jupyter Notebook para programar interativamente o SageMaker e outros aplicativos.[15][16]

Histórico e recursos

[editar | editar código-fonte]
  • 29/11/2017: O SageMaker é lançado na conferência re:Invent da AWS.[1][6][2]
  • 27/02/2018: O SageMaker passa a suportar o treinamento e a inferência de redes neurais profundas gerenciadas do TensorFlow e MXNet.[17][8]
  • 28/02/2018: O SageMaker dimensiona automaticamente a inferência de modelo para várias instâncias de servidor.[18][19]
  • 13/07/2018: O SageMaker adiciona suporte para treinamento recorrente de rede neural, treinamento word2vec, treinamento linear multiclasse e treinamento distribuído de rede neural profunda no Chainer com escala de taxa adaptativa (LARS) em camadas.[20][7]
  • 17/07/2018: O AWS Batch Transform permite inferência de aprendizado de máquina não em tempo real de alto rendimento no SageMaker.[21][22]
  • 08/11/2018: Suporte para treinamento e inferência de incorporações de palavras Object2Vec.[23][24]
  • 27/11/2018: SageMaker Ground Truth "torna muito mais fácil para os desenvolvedores rotular seus dados usando anotadores humanos por meio do Mechanical Turk".[25][3]
  • 28/11/2018: SageMaker Reinforcement Learning (RL) "permite que desenvolvedores e cientistas de dados desenvolvam de forma rápida e fácil modelos de aprendizado por reforço em escala."[26][3]
  • 28/11/2018: O SageMaker Neo permite que modelos de redes neurais profundas sejam implantados do SageMaker para dispositivos de ponta, como smartphones e câmeras inteligentes.[27][3]
  • 29/11/2018: O AWS Marketplace for SageMaker é lançado, permitindo que desenvolvedores terceirizados comprem e vendam modelos de machine learning que podem ser treinados e implantados no SageMaker.[28]
  • 27/01/2019: O SageMaker Neo é lançado como software de código aberto.[29]
  • A NASCAR está usando o SageMaker para treinar redes neurais profundas com 70 anos de dados de vídeo de corridas.[30]
  • A Carsales.com usa o SageMaker para treinar e implantar modelos de aprendizado de máquina para analisar e aprovar listagens de anúncios classificados automotivos.[31]
  • O Avis Budget Group e a Slalom Consulting estão usando o SageMaker para desenvolver "uma solução prática no local que pode abordar a superutilização e a subutilização de carros em tempo real usando um mecanismo de otimização criado no Amazon SageMaker".[32]
  • O Grupo Volkswagen usa o SageMaker para desenvolver e implantar aprendizado de máquina em suas fábricas.[33]
  • A Peak e a Footasylum usam o SageMaker em um mecanismo de recomendação para calçados.[34]
  1. a b Miller, Ron (29 de novembro de 2017). «AWS releases SageMaker to make it easier to build and deploy machine learning models». TechCrunch. Consultado em 9 de junho de 2019 
  2. a b Woodie, Alex (29 de novembro de 2017). «AWS Takes the 'Muck' Out of ML with SageMaker». datanami. Consultado em 9 de junho de 2019 
  3. a b c d Rodriguez, Jesus (30 de novembro de 2018). «With These New Additions, AWS SageMaker is Starting to Look More Real for Data Scientists». Towards Data Science. Consultado em 9 de junho de 2019 
  4. Terdiman, Daniel (5 de outubro de 2018). «How AI is helping Amazon become a trillion-dollar company». Fast Company. Consultado em 9 de junho de 2019 
  5. Ponnapalli, Priya (30 de janeiro de 2019). «Deploy trained Keras or TensorFlow models using Amazon SageMaker». AWS. Consultado em 9 de junho de 2019 
  6. a b «Introducing Amazon SageMaker». AWS. 29 de novembro de 2017. Consultado em 9 de junho de 2019 
  7. a b Nagel, Becky (16 de julho de 2018). «Amazon Updates SageMaker ML Platform Algorithms, Frameworks». Pure AI. Consultado em 9 de junho de 2019 
  8. a b Roumeliotis, Rachel (7 de março de 2018). «How to jump start your deep learning skills using Apache MXNet». O'Reilly. Consultado em 9 de junho de 2019 
  9. a b Marquez, Ernesto. «Evaluate when to use added AWS Step Functions actions». TechTarget. Consultado em 9 de junho de 2019 
  10. «AWS Step Functions Adds Eight More Service Integrations». AWS. 29 de novembro de 2018. Consultado em 9 de junho de 2019 
  11. «Deploy Amazon SageMaker and a Data Lake on AWS for Predictive Data Science with New Quick Start». AWS. 15 de agosto de 2018. Consultado em 9 de junho de 2019 
  12. Olsen, Rumi (19 de julho de 2018). «Call an Amazon SageMaker model endpoint using Amazon API Gateway and AWS Lambda». AWS. Consultado em 9 de junho de 2019 
  13. «Amazon SageMaker developer resources». AWS. Consultado em 9 de junho de 2019 
  14. Wiggers, Kyle (21 de novembro de 2018). «Amazon updates SageMaker with new built-in algorithms and Git integration». Consultado em 9 de junho de 2019 
  15. «Use Notebook Instances». AWS. Consultado em 9 de junho de 2019 
  16. Gift, Noah (17 de agosto de 2018). «Here Come The Notebooks». Forbes. Consultado em 9 de junho de 2019 
  17. «Amazon SageMaker now supports TensorFlow 1.5, Apache MXNet 1.0, and CUDA 9 for P3 Instance Optimization». AWS. 27 de fevereiro de 2018. Consultado em 9 de junho de 2019 
  18. «Auto Scaling in Amazon SageMaker is now Available». AWS. 28 de fevereiro de 2018. Consultado em 9 de junho de 2019 
  19. «Amazon Sagemaker Now Uses Auto-scaling». Polar Seven. 24 de março de 2018. Consultado em 9 de junho de 2019 
  20. «Amazon SageMaker Announces Several Enhancements to Built-in Algorithms and Frameworks». AWS. 13 de julho de 2018. Consultado em 9 de junho de 2019 
  21. «Amazon SageMaker Now Supports High Throughput Batch Transform Jobs for Non-Real Time Inferencing». AWS. 17 de julho de 2018. Consultado em 9 de junho de 2019 
  22. Simon, Julien (24 de janeiro de 2019). «Making the most of your Machine Learning budget on Amazon SageMaker». Medium. Consultado em 9 de junho de 2019 
  23. «Introduction to Amazon SageMaker Object2Vec». AWS. 8 de novembro de 2018. Consultado em 9 de junho de 2019 
  24. «Amazon SageMaker Now Supports Object2Vec and IP Insights Built-in Algorithms». AWS. 19 de novembro de 2018. Consultado em 9 de junho de 2019 
  25. «Introducing Amazon SageMaker Ground Truth - Build Highly Accurate Training Datasets Using Machine Learning». AWS. 28 de novembro de 2018. Consultado em 9 de junho de 2019 
  26. «Introducing Reinforcement Learning Support with Amazon SageMaker RL». AWS. 28 de novembro de 2018. Consultado em 9 de junho de 2019 
  27. «Introducing Amazon SageMaker Neo - Train Once, Run Anywhere with up to 2x in Performance Improvement». AWS. 28 de novembro de 2018. Consultado em 9 de junho de 2019 
  28. Robuck, Mike (29 de novembro de 2018). «AWS goes deep and wide with machine learning services and capabilities». FierceTelecom. Consultado em 9 de junho de 2019 
  29. Janakiram, MSV (27 de janeiro de 2019). «Amazon Open Sources SageMaker Neo To Run Machine Learning Models At The Edge». Forbes. Consultado em 9 de junho de 2019 
  30. Digman, Larry (4 de junho de 2019). «NASCAR to migrate 18 petabytes of video archives to AWS». ZDNet. Consultado em 9 de junho de 2019 
  31. Crozier, Ry (2 de maio de 2019). «Carsales builds Tessa AI to check vehicle ads». IT News. Consultado em 9 de junho de 2019 
  32. «Avis Budget Group and Slalom Further Digitize the Car Rental Process with Machine Learning on AWS». AWS. 31 de maio de 2019. Consultado em 9 de junho de 2019 
  33. «Volkswagen and AWS Join Forces to Transform Automotive Manufacturing». Metrology News. 24 de maio de 2019. Consultado em 9 de junho de 2019 
  34. Mari, Angelica (14 de maio de 2019). «Footasylum steps up artificial intelligence to drive customer centricity». Computer Weekly. Consultado em 9 de junho de 2019