Productos de aprendizaje automático

Como vendedor, puede utilizar AWS Marketplace para crear algoritmos y modelos de machine learning (ML) que sus compradores puedan implementar en AWS. Hay dos tipos de productos de Amazon SageMaker que se muestran en AWS Marketplace:

Paquete de modelos

Un modelo previamente entrenado para hacer predicciones que no requiere ninguna formación adicional por parte del comprador.

Algoritmo

Un modelo que requiere que el comprador suministre datos de formación antes de hacer predicciones. Se incluye el algoritmo de formación.

Estos productos están disponibles para los compradores a través de la consola Amazon SageMaker o AWS Marketplace. Los compradores pueden revisar descripciones, documentación, opiniones de clientes, precios e información de soporte técnico de los productos. Cuando se suscriben a un producto de paquete de modelos o a un producto de algoritmo, este se añade a su lista de productos en la consola de SageMaker. Los compradores también pueden usar los SDK de AWS, la consola AWS Command Line Interface (AWS CLI) o SageMaker para crear un punto de conexión de inferencia REST totalmente administrado o realizar inferencias en lotes de datos.

Para obtener ayuda con la creación de productos de machine learning con Amazon SageMaker, póngase en contacto con Operaciones de vendedores de AWS Marketplace.

Introducción a los productos de machine learning

AWS Marketplace admite dos tipos de productos de machine learning mediante Amazon SageMaker. Ambos tipos, los productos de paquetes de modelos y los productos de algoritmos, producen un modelo de inferencia desplegable para realizar predicciones.

Paquete de modelos SageMaker

Un paquete de modelos de Amazon SageMaker contiene un modelo previamente entrenado. Los modelos previamente entrenados se pueden implementar en SageMaker para realizar inferencias o predicciones en tiempo real o por lotes. Este producto contiene un componente de inferencia entrenado con artefactos del modelo, si los hay. Como vendedor, puede entrenar un modelo con SageMaker o traer su propio modelo.

Algoritmo de SageMaker

Los compradores pueden usar un producto de algoritmo de SageMaker para realizar cargas de trabajo completas de machine learning. Un producto de algoritmo tiene dos componentes lógicos: el entrenamiento y la inferencia. En SageMaker, los compradores utilizan sus propios conjuntos de datos para crear un trabajo de formación con su componente de formación. Cuando se completa el algoritmo del componente de formación, genera los artefactos del modelo de machine learning. SageMaker guarda los artefactos de los modelos en el bucket de Amazon Simple Storage Service (Amazon S3) de los compradores. En SageMaker, los compradores pueden implementar su componente de inferencia junto con los artefactos del modelo generados para realizar inferencias (o predicciones) en tiempo real o por lotes.

Implementación de un modelo de inferencia

Tanto si el modelo de inferencia se crea a partir de un paquete de modelos como de un algoritmo, existen dos métodos para implementarlos:

• Punto de conexión: este método utiliza SageMaker para implementar el modelo y crear un punto de conexión de API. El comprador puede usar este punto de conexión como parte de su servicio de backend para impulsar sus aplicaciones. Cuando los datos se envían al punto de conexión, SageMaker los pasa al contenedor del modelo y devuelve los resultados en una respuesta de la API. El punto de conexión y el contenedor siguen funcionando hasta que el comprador los detiene.

  nota

  En AWS Marketplace, el método de punto de conexión se denomina inferencia en tiempo real y, en la documentación de SageMaker, se denomina servicios de host. Para obtener más información, consulte Implementación de un modelo en Amazon SageMaker.

• Trabajo de transformación por lotes: en este método, un comprador almacena conjuntos de datos para su inferencia en Amazon S3. Cuando se inicia el trabajo de transformación por lotes, SageMaker implementa el modelo, pasa los datos de un bucket de S3 al contenedor del modelo y, a continuación, devuelve los resultados a un bucket de S3. Cuando se completa el trabajo, SageMaker lo detiene. Para obtener más información, consulte Obtención de inferencias para un conjunto de datos completo con transformaciones por lotes.

  nota

  Ambos métodos son transparentes para el modelo porque SageMaker pasa los datos al modelo y devuelve los resultados al comprador.