SageMaker Características de Amazon - Amazon SageMaker

Las traducciones son generadas a través de traducción automática. En caso de conflicto entre la traducción y la version original de inglés, prevalecerá la version en inglés.

SageMaker Características de Amazon

Amazon SageMaker incluye las siguientes funciones.

Nuevas funciones para re:Invent 2023

SageMaker incluye las siguientes funciones nuevas para re:Invent 2023.

SageMaker Chat de Canvas para la preparación de datos

SageMaker El chat de Canvas para la preparación de datos le ayuda a crear flujos de preparación de datos mediante LLM.

Editor de código

Code Editor amplía Studio para que pueda escribir, probar, depurar y ejecutar su código de análisis y aprendizaje automático en un entorno basado en el código de código abierto de Visual Studio («Code-OSS»).

Contenedores de aprendizaje profundo para inferencias de modelos grandes

SageMaker ha sustituido los núcleos NCCL predeterminados por núcleos optimizados para la inferencia a fin de mejorar el uso de la GPU y ofrecer un rendimiento diferenciador respecto al OSS.

Implemente modelos para realizar inferencias en tiempo real

SageMaker Inference proporciona la experiencia del desarrollador y las abstracciones de la interfaz de usuario para ayudarle a empezar más rápidamente con la implementación de modelos.

SageMaker los clientes ahora pueden mejorar la utilización de sus instancias de computación acelerada mediante la implementación de miles de modelos en un SageMaker punto final con rendimiento garantizado y autoscalamiento por modelo.

SageMakerImágenes de distribución

SageMaker La distribución es una colección de imágenes de Docker diseñadas para el aprendizaje automático, la ciencia de datos y el análisis de datos. Las imágenes están disponibles en Studio, Studio Lab, las libretas Studio y Github.

simplificación de la incorporación de dominios

Una experiencia de incorporación de SageMaker dominios de Amazon simplificada y guiada con nuevas capacidades para usuarios individuales y administradores de organizaciones. Las capacidades incluyen la integración directa del centro de identidad de IAM, la administración detallada de las políticas de acceso, la administración y las configuraciones fluidas de SageMaker las aplicaciones y la configuración de VPC y almacenamiento.

Amazon S3 Express de una zona

Amazon S3 Express One Zone es una nueva clase de almacenamiento que proporciona acceso en milisegundos de un solo dígito a las aplicaciones más sensibles a la latencia. Amazon S3 Express One Zone permite a los clientes colocar sus recursos informáticos y de almacenamiento de objetos en una única zona de AWS disponibilidad, lo que optimiza tanto el rendimiento como los costes informáticos con una mayor velocidad de procesamiento de datos.

Evaluaciones de modelos básicos (FMEval)

Las evaluaciones del modelo básico (FMEval) le ayudan a cuantificar el riesgo de proporcionar contenido impreciso, tóxico o sesgado con su modelo de lenguaje para que pueda elegir el que mejor se adapte a su caso de uso. Traiga su propio conjunto de datos personalizado o utilice uno integrado para evaluar cualquier modelo de lenguaje. FMEval está integrado con decenas de modelos de base basados en texto JumpStart o trae los tuyos propios. También puede crear evaluaciones personalizadas utilizando la biblioteca FMEval.

SageMaker HyperPod

SageMaker HyperPod es una capacidad SageMaker que proporciona un entorno de aprendizaje automático permanente en clústeres resilientes que permite ejecutar cualquier carga de trabajo de aprendizaje automático para desarrollar grandes modelos de aprendizaje automático, como modelos de lenguaje de gran tamaño (LLM) y modelos de difusión.

JupyTerai

Jupyter AI y Code Whisperer se han incluido en la distribución. SageMaker Con esta actualización, los usuarios de Studio o Code Editor pueden utilizar fácilmente la IA generativa desde sus cuadernos y aprovechar la función de completar código de Code Whisperer.

JupyterLab en Studio

JupyterLab in Studio mejora la latencia y la fiabilidad de los portátiles Studio

SageMakerTrabajos de Notebook

SageMaker Notebook Jobs proporciona compatibilidad con el SDK para los trabajos de cuaderno, de modo que puede programarlos mediante programación.

SageMaker Canalizaciones

SageMaker Pipelines te ofrece la opción de convertir tu código de aprendizaje automático local en un paso de SageMaker canalización, a partir del cual puedes crear y ejecutar una canalización.

SageMakertamizado inteligente

SageMaker El tamizado inteligente es una capacidad de SageMaker entrenamiento que mejora la eficiencia de los conjuntos de datos de entrenamiento y reduce el tiempo y el costo totales del entrenamiento.

SageMaker Studio

Studio es la experiencia web más reciente para ejecutar flujos de trabajo de aprendizaje automático. Studio ofrece un conjunto de IDE, que incluye Code Editor, una nueva aplicación de Jupyterlab, RStudio y Studio Classic.

Entornos de machine Learning

SageMaker incluye los siguientes entornos de aprendizaje automático.

SageMaker capacidades geoespaciales

Cree, entrene e implemente modelos de ML utilizando datos geoespaciales.

SageMaker Canvas

Un servicio de ML automático que ofrece a personas sin experiencia en codificación la posibilidad de crear modelos y hacer predicciones con ellos.

SageMaker Estudio

Un entorno de machine learning integrado donde puede crear, entrenar, implementar y analizar sus modelos en la misma aplicación.

SageMaker Laboratorio de estudio

Un servicio gratuito que brinda a los clientes acceso a los recursos de AWS cómputo en un entorno basado en código abierto JupyterLab.

RStudio en Amazon SageMaker

Entorno de desarrollo integrado para R, con una consola, editor de resaltado de sintaxis que admite la ejecución directa de código y herramientas para trazar, historial, depuración y administración del espacio de trabajo.

Características principales

SageMaker incluye las siguientes características principales en orden alfabético, sin incluir ningún SageMaker prefijo.

Amazon Augmented AI

Cree los flujos de trabajo necesarios para la revisión humana de las predicciones de ML. Amazon A2I facilita la creación de los flujos de trabajo necesarios para la revisión humana de las predicciones de ML. pone la revisión humana al alcance de todos los desarrolladores, eliminando el trabajo pesado indiferenciado vinculado a la creación de sistemas de revisión humana o la administración de un gran número de revisores humanos.

Paso AutoML

Cree un trabajo de AutoML para entrenar automáticamente un modelo en SageMaker Pipelines.

SageMaker Piloto automático

Los usuarios sin conocimientos de machine learning pueden crear rápidamente modelos de clasificación y regresión.

Transformación por lotes

Procese previamente los conjuntos de datos, ejecute inferencia cuando no necesite un punto de enlace persistente y asocie registros de entrada con inferencias para ayudar a interpretar los resultados.

SageMaker Aclare

Mejore sus modelos de machine learning detectando posibles sesgos y ayude a explicar las predicciones que hacen los modelos.

Colaboración con espacios compartidos

Un espacio compartido consta de una JupyterServer aplicación compartida y un directorio compartido. Todos los perfiles de usuario de un SageMaker dominio de Amazon tienen acceso a todos los espacios compartidos del dominio.

SageMaker Data Wrangler

Importe, analice, prepare y utilice datos en Studio. SageMaker Puede integrar Data Wrangler en sus flujos de trabajo de machine learning para simplificar y agilizar el preprocesamiento de datos y la ingeniería de características con poca o ninguna codificación. También puede añadir sus propios scripts y transformaciones de Python para personalizar su flujo de trabajo de preparación de datos.

Widget de preparación de datos Data Wrangler

Interactúe con sus datos, obtenga visualizaciones, explore perspectivas procesables y solucione los problemas de calidad de los datos.

SageMaker Depurador

Inspeccione los parámetros y los datos del entrenamiento durante todo el proceso de entrenamiento. Detecte y avise automáticamente a los usuarios de errores frecuentes, como que los valores de los parámetros son demasiado grandes o pequeños.

SageMaker Administrador perimetral

Optimice modelos personalizados para dispositivos de borde, cree y gestione flotas y ejecute modelos con un tiempo de ejecución eficiente.

SageMaker Elastic Inference

Acelere el rendimiento y reduzca la latencia de obtener inferencias en tiempo real.

SageMaker Experimentos

Administración y seguimiento de experimentos Puede utilizar los datos de seguimiento para reconstruir un experimento, crear de forma incremental experimentos realizados por pares y trazar el linaje del modelo para verificaciones de cumplimiento y auditoría.

SageMaker Tienda de artículos

Un almacén centralizado de características y metadatos asociados para que las características puedan descubrirse y reutilizarse fácilmente. Puede crear dos tipos de tiendas, un almacenamiento en línea o sin conexión. El almacenamiento en línea puede utilizarse para casos de baja latencia e inferencia en tiempo real, mientras que el almacenamiento sin conexión puede emplearse para entrenamiento e inferencia por lotes.

SageMaker Ground Truth

Conjuntos de datos de entrenamiento de alta calidad mediante el uso de trabajadores junto con machine learning para crear conjuntos de datos etiquetados.

SageMaker Ground Truth Plus

Una característica de etiquetado de datos llave en mano para crear conjuntos de datos de entrenamiento de alta calidad sin tener que crear aplicaciones de etiquetado y gestionar el personal de etiquetado por su cuenta.

SageMaker Recomendador de inferencias

Obtenga recomendaciones sobre tipos de instancias de inferencia y configuraciones (por ejemplo, recuento de instancias, parámetros de contenedores y optimizaciones de modelos) para utilizar sus modelos y cargas de trabajo de ML.

Pruebas de sombra de inferencia

Evalúe cualquier cambio en su infraestructura de servicio de modelos comparando su rendimiento con el de la infraestructura desplegada actualmente.

SageMaker JumpStart

Obtenga información sobre las SageMaker funciones y capacidades a través de soluciones seleccionadas con un solo clic, cuadernos de ejemplo y modelos previamente entrenados que puede implementar. También puede ajustar los modelos e implantarlos.

SageMaker Seguimiento del linaje de ML

haga un seguimiento de la jerarquía de los flujos de trabajo de machine learning.

SageMaker Tuberías de construcción de modelos

Cree y gestione canales de aprendizaje automático integrados directamente con SageMaker los trabajos.

SageMaker Tarjetas modelo

Documente la información sobre sus modelos de ML en un único lugar para agilizar la gobernanza y la elaboración de informes durante todo el ciclo de vida del ML.

SageMaker Tablero de modelos

Una visión general preconfigurada y visual de todos los modelos de su cuenta. El panel de control del SageMaker modelo integra la información de Model Monitor, transforma los trabajos, los puntos finales y el seguimiento del linaje, CloudWatch por lo que puede acceder a información de alto nivel del modelo y realizar un seguimiento del rendimiento del modelo en una vista unificada.

SageMaker Monitor de modelos

Monitorizar y analizar modelos en producción (puntos de enlace) para detectar la deriva de datos y desviaciones en la calidad del modelo.

SageMaker Registro de modelos

Control de versiones, seguimiento de artefactos y jerarquía, flujo de trabajo de aprobación y compatibilidad entre cuentas para la implementación de modelos de machine learning.

SageMaker Neo

Entrene modelos de machine learning una vez y, a continuación, ejecútelos en cualquier lugar de la nube y en el borde.

Flujos de trabajo basados en cuadernos

Ejecute su bloc de notas SageMaker Studio como un trabajo programado y no interactivo.

Procesamiento previo

Analice y preprocese datos, aborde la ingeniería de características y evalúe modelos.

SageMaker Proyectos

Cree soluciones de aprendizaje end-to-end automático con CI/CD mediante SageMaker proyectos.

Aprendizaje por refuerzo

Maximice la compensación a largo plazo que el agente recibe como consecuencia de sus acciones.

SageMaker Administrador de roles

Los administradores pueden definir permisos de privilegio mínimo para actividades comunes de ML utilizando roles de IAM personalizados y preconfigurados basados en personas.

SageMaker Terminales sin servidor

Una opción de punto de conexión sin servidor para alojar su modelo ML. Aumenta automáticamente su capacidad para atender el tráfico de su punto de conexión. Elimina la necesidad de seleccionar tipos de instancia o gestionar políticas de escalado en un punto de conexión.

Extensión Git de Studio Classic

Una extensión Git para introducir la URL de un repositorio Git, clonarlo en su entorno, insertar cambios y ver el historial de confirmaciones.

SageMaker Cuadernos de Studio

La próxima generación de SageMaker cuadernos que incluye integración AWS IAM Identity Center (IAM Identity Center), tiempos de inicio rápidos y uso compartido con un solo clic.

SageMaker Cuadernos Studio y Amazon EMR

Descubra, conecte, cree, finalice y gestione clústeres de Amazon EMR con facilidad en configuraciones de una o varias cuentas directamente desde SageMaker Studio.

SageMaker Compilador de formación

Entrene modelos de aprendizaje profundo más rápido en instancias de GPU escalables administradas por SageMaker.