Productos de aprendizaje automático en AWS Marketplace

La categoría Machine Learning AWS Marketplace incluye productos como algoritmos y paquetes de modelos de aprendizaje automático (ML).

Para evaluar la calidad e idoneidad de un modelo, puede leer las descripciones, las instrucciones de uso, los comentarios de los clientes y consultar la información de soporte, precios y cuadernos de Jupyter de ejemplo de los productos. Los modelos se despliegan directamente desde la SageMaker consola de Amazon, a través de un cuaderno Jupyter, con Amazon SageMaker SDK o utilizando el. AWS Command Line Interface AWS CLI Amazon SageMaker proporciona un entorno seguro para ejecutar tus trabajos de formación e inferencia mediante la ejecución de un análisis estático de todos los productos del mercado.

Paquete SageMaker modelo Amazon

Un paquete SageMaker modelo de Amazon es un modelo de aprendizaje automático único y previamente entrenado que se identifica mediante un nombre de recurso de Amazon (ARN) en Amazon SageMaker. Los clientes utilizan un paquete de modelos para crear un modelo en Amazon SageMaker. Luego, el modelo se puede usar con servicios de alojamiento para ejecutar inferencias en tiempo real o con transformación por lotes para ejecutar inferencias por lotes en Amazon. SageMaker

En el siguiente diagrama se muestra el flujo de trabajo para usar productos de paquete modelo.

1. En AWS Marketplace, busca un producto de paquete modelo y se suscribe a él.

2. El componente de inferencia del producto se implementa SageMaker para realizar inferencias (o predicciones) en tiempo real o por lotes.

SageMaker Algoritmo de Amazon

Un SageMaker algoritmo de Amazon es una SageMaker entidad de Amazon única que se identifica mediante unARN. Un algoritmo tiene dos componentes lógicos: el entrenamiento y la inferencia.

En el siguiente diagrama se muestra el flujo de trabajo de uso de productos de algoritmos.

1. Sí AWS Marketplace, busca un producto de algoritmo y se suscribe a él.

2. Utiliza el componente de formación del producto para crear un trabajo de formación o un trabajo de ajuste utilizando su conjunto de datos de entrada en Amazon SageMaker para crear modelos de aprendizaje automático.

3. Cuando se completa el componente de entrenamiento del producto, se generan los artefactos del modelo de machine learning.

4. SageMaker guarda los artefactos del modelo en su bucket de Amazon Simple Storage Service (Amazon S3). 

5. Luego SageMaker, puede implementar el componente de inferencia del producto utilizando los artefactos del modelo generados para realizar inferencias (o predicciones) en tiempo real o por lotes.