Productos de machine learning

Como vendedor, puedes utilizarlos AWS Marketplace para crear algoritmos y modelos de aprendizaje automático (ML) que tus compradores puedan utilizar AWS. Hay dos tipos de SageMaker productos de Amazon listados 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 SageMaker consola de Amazon 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 modelo o a un producto de algoritmo, este se añade a su lista de productos en la SageMaker consola. Los compradores también pueden usar los AWS SDK, el AWS Command Line Interface (AWS CLI) o la SageMaker consola para crear un punto final de inferencia REST totalmente gestionado o realizar inferencias en lotes de datos.

Si necesitas ayuda para crear productos de aprendizaje automático con Amazon SageMaker, ponte en contacto con el equipo de operaciones de AWS Marketplace vendedores.

Introducción a los productos de machine learning

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

SageMaker paquete modelo

Un producto de paquete SageMaker modelo de Amazon contiene un modelo previamente entrenado. Se pueden implementar modelos previamente entrenados SageMaker para hacer 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, puedes entrenar un modelo usando SageMaker o traer tu propio modelo.

SageMaker algoritmo

Los compradores pueden usar un producto de SageMakeralgoritmo para realizar cargas de trabajo completas de aprendizaje automático. 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 tu componente de formación. Cuando el algoritmo de tu componente de entrenamiento se completa, genera los artefactos del modelo de aprendizaje automático. SageMaker guarda los artefactos del modelo en el depósito de Amazon Simple Storage Service (Amazon S3) de los compradores. Luego 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 desplegarlos:

• Punto final: este método se utiliza SageMaker para implementar el modelo y crear un punto final 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 final, los SageMaker pasan al contenedor del modelo y devuelven 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 final se denomina inferencia en tiempo real y, en la SageMaker documentación, se denomina servicios de alojamiento. 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 despliega el modelo, pasa los datos de un depósito de S3 al contenedor del modelo y, a continuación, devuelve los resultados a un depósito de S3. Cuando se completa el trabajo, lo SageMaker 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 pasan los datos al modelo y devuelven los resultados al comprador.