Produits de Machine Learning

En tant que vendeur, vous pouvez AWS Marketplace créer des algorithmes et des modèles d'apprentissage automatique (ML) dans lesquels vos acheteurs peuvent les déployer AWS. Deux types de SageMaker produits Amazon sont répertoriés dans AWS Marketplace :

Package modèle

Un modèle pré-entraîné pour faire des prédictions qui ne nécessite aucune formation supplémentaire de la part de l'acheteur.

Algorithm

Modèle qui oblige l'acheteur à fournir des données de formation avant de faire des prédictions. L'algorithme d'entraînement est inclus.

Ces produits sont disponibles pour les acheteurs via la SageMaker console Amazon ou AWS Marketplace. Les acheteurs peuvent consulter les descriptions des produits, la documentation, les avis des clients, les prix et les informations d'assistance. Lorsqu'ils s'abonnent à un package modèle ou à un produit algorithmique, celui-ci est ajouté à leur liste de produits sur la SageMaker console. Les acheteurs peuvent également utiliser AWS les SDK, le AWS Command Line Interface (AWS CLI) ou la SageMaker console pour créer un point de terminaison d'inférence REST entièrement géré ou effectuer une inférence sur des lots de données.

Pour obtenir de l'aide concernant la création de produits de machine learning avec Amazon SageMaker, contactez l'équipe des opérations des AWS Marketplace vendeurs.

Commencer à utiliser les produits d'apprentissage automatique

AWS Marketplace prend en charge deux types de produits d'apprentissage automatique, à l'aide d'Amazon SageMaker. Les deux types, les produits de package de modèles et les produits d'algorithmes, produisent un modèle d'inférence déployable pour effectuer des prédictions.

SageMaker package modèle

Un produit Amazon SageMaker Model Package contient un modèle préentraîné. Des modèles pré-entraînés peuvent être déployés SageMaker pour faire des inférences ou des prédictions en temps réel ou par lots. Ce produit contient un composant d'inférence entraîné avec des artefacts de modèle, le cas échéant. En tant que vendeur, vous pouvez entraîner un mannequin en utilisant votre propre modèle SageMaker ou en apporter un.

SageMaker algorithme

Les acheteurs peuvent utiliser un produit d'SageMakeralgorithme pour effectuer des charges de travail complètes d'apprentissage automatique. Un produit algorithmique comporte deux composants logiques : l'entraînement et l'inférence. Dans SageMaker, les acheteurs utilisent leurs propres ensembles de données pour créer un poste de formation avec votre composant de formation. Lorsque l'algorithme de votre composant d'apprentissage est terminé, il génère les artefacts du modèle d'apprentissage automatique. SageMaker enregistre les artefacts du modèle dans le compartiment Amazon Simple Storage Service (Amazon S3) des acheteurs. Dans SageMaker, les acheteurs peuvent ensuite déployer votre composant d'inférence ainsi que les artefacts de modèle générés pour effectuer une inférence (ou une prédiction) en temps réel ou par lots.

Déploiement d'un modèle d'inférence

Que le modèle d'inférence soit créé à partir d'un package de modèles ou d'un algorithme, il existe deux méthodes pour le déployer :

• Point de terminaison : cette méthode permet SageMaker de déployer le modèle et de créer un point de terminaison d'API. L'acheteur peut utiliser ce point de terminaison dans le cadre de son service principal pour alimenter ses applications. Lorsque les données sont envoyées au point de terminaison, SageMaker elles les transmettent au conteneur du modèle et renvoient les résultats dans une réponse d'API. Le terminal et le conteneur continuent de fonctionner jusqu'à ce que l'acheteur les arrête.

  Note

  Dans AWS Marketplace, la méthode du point de terminaison est appelée inférence en temps réel, et dans la SageMaker documentation, elle est appelée services d'hébergement. Pour plus d'informations, consultez Déployer un modèle sur Amazon SageMaker.

• Tâche de transformation par lots : dans cette méthode, un acheteur stocke des ensembles de données à des fins d'inférence dans Amazon S3. Lorsque la tâche de transformation par lots démarre, SageMaker déploie le modèle, transmet les données d'un compartiment S3 au conteneur du modèle, puis renvoie les résultats dans un compartiment S3. Lorsque la tâche est terminée, SageMaker arrête la tâche. Pour plus d'informations, voir Obtenir des inférences pour un ensemble de données entier avec Batch Transform.

  Note

  Les deux méthodes sont transparentes pour le modèle car elles SageMaker transmettent les données au modèle et renvoient les résultats à l'acheteur.