Caratteristiche di Amazon SageMaker AI - Amazon SageMaker AI

Le traduzioni sono generate tramite traduzione automatica. In caso di conflitto tra il contenuto di una traduzione e la versione originale in Inglese, quest'ultima prevarrà.

Caratteristiche di Amazon SageMaker AI

Amazon SageMaker AI include le seguenti funzionalità.

Nuove funzionalità per re:Invent 2024

SageMaker L'intelligenza artificiale include le seguenti nuove funzionalità per re:Invent 2024.

HyperPod ricette

Puoi eseguire ricette all'interno di Amazon SageMaker HyperPod o come lavori di SageMaker formazione. Utilizzi l'adattatore HyperPod di formazione come framework per aiutarti a gestire i flussi di lavoro di end-to-end formazione. L'adattatore di formazione è basato sul NeMo framework NVIDIA e sul pacchetto Neuronx Distributed Training.

HyperPod in Studio

In Amazon SageMaker Studio, puoi avviare carichi di lavoro di machine learning sui HyperPod cluster e visualizzare le informazioni sui HyperPod cluster. La maggiore visibilità dei dettagli del cluster e delle metriche hardware può aiutare il team a identificare il candidato giusto per i carichi di lavoro di pre-formazione o ottimizzazione.

HyperPod governance delle attività

Amazon SageMaker HyperPod Task Governance è un robusto sistema di gestione progettato per semplificare l'allocazione delle risorse e garantire un utilizzo efficiente delle risorse di elaborazione tra team e progetti per i cluster Amazon EKS. HyperPod la governance delle attività fornisce anche l'osservabilità del cluster Amazon EKS, offrendo visibilità in tempo reale sulla capacità del cluster, sulla disponibilità e sull'utilizzo del calcolo, sull'allocazione e sull'utilizzo del team e sulle informazioni sull'esecuzione delle attività e sui tempi di attesa.

App AI SageMaker per i partner Amazon

Con Amazon SageMaker Partner AI Apps, gli utenti hanno accesso ad applicazioni di sviluppo di intelligenza artificiale generativa (AI) e machine learning (ML) create, pubblicate e distribuite da fornitori di applicazioni leader del settore. Le app Partner AI sono certificate per funzionare sull'intelligenza artificiale. SageMaker Con Partner AI Apps, gli utenti possono accelerare e migliorare il modo in cui creano soluzioni basate su modelli base (FM) e modelli ML classici senza compromettere la sicurezza dei dati sensibili, che rimangono completamente all'interno della loro configurazione di sicurezza affidabile e non vengono mai condivisi con terze parti.

Q Developer è disponibile in Canvas

Puoi chattare con Amazon Q Developer in Amazon SageMaker Canvas usando il linguaggio naturale per un'assistenza generativa basata sull'intelligenza artificiale per risolvere i tuoi problemi di apprendimento automatico. Puoi conversare con Q Developer per discutere le fasi di un flusso di lavoro di machine learning e sfruttare le funzionalità di Canvas come la trasformazione dei dati, la creazione di modelli e l'implementazione.

SageMaker piani di formazione

I piani di SageMaker formazione di Amazon sono una funzionalità di prenotazione di calcolo progettata per carichi di lavoro di formazione su modelli di intelligenza artificiale su larga scala eseguiti su job e cluster di SageMaker formazione. HyperPod Forniscono un accesso prevedibile a risorse di elaborazione accelerate da GPU ad alta richiesta entro scadenze specificate. È possibile specificare la tempistica, la durata e il numero massimo di risorse di calcolo desiderate e i piani di SageMaker formazione gestiscono automaticamente la configurazione dell'infrastruttura, l'esecuzione del carico di lavoro e il ripristino degli errori. Ciò consente di pianificare ed eseguire in modo efficiente progetti di intelligenza artificiale cruciali con un modello di costo prevedibile.

Ambienti di machine learning

SageMaker L'intelligenza artificiale include i seguenti ambienti di apprendimento automatico.

SageMaker Canvas

Un servizio di machine learning automatico che offre alle persone senza esperienza di programmazione la possibilità di creare modelli e fare previsioni con essi.

Editor di codici

Code Editor estende Studio in modo da consentirti di scrivere, testare, eseguire il debug ed eseguire codice di analisi e apprendimento automatico in un ambiente basato su Visual Studio Code - Open Source («Code-OSS»).

SageMaker funzionalità geospaziali

Crea, addestra e distribuisci modelli di machine learning utilizzando dati geospaziali.

SageMaker HyperPod

Amazon SageMaker HyperPod è una funzionalità dell' SageMaker intelligenza artificiale che fornisce un ambiente di apprendimento automatico sempre attivo su cluster resilienti in cui è possibile eseguire qualsiasi carico di lavoro di machine learning per lo sviluppo di modelli di machine learning di grandi dimensioni, come modelli di linguaggio di grandi dimensioni () e modelli di diffusione. LLMs

JupyterLab in Studio

JupyterLab in Studio migliora la latenza e l'affidabilità dei notebook Studio

Studio

Studio è l'esperienza basata sul Web più recente per l'esecuzione di flussi di lavoro ML. Studio offre una suite di IDEs, tra cui Code Editor, una nuova applicazione Jupyterlab e Studio Classic. RStudio

Amazon SageMaker Studio Classic

Un ambiente di machine learning integrato in cui è possibile creare, addestrare, distribuire e analizzare i modelli nella stessa applicazione.

SageMaker Studio Laboratorio

Un servizio gratuito che offre ai clienti l'accesso alle risorse di AWS calcolo in un ambiente basato sull'open source JupyterLab.

RStudio su Amazon SageMaker AI

Un ambiente di sviluppo integrato per R, con una console, un editor di evidenziazione della sintassi che supporta l'esecuzione diretta del codice e strumenti per il plottaggio, la cronologia, il debug e la gestione dello spazio di lavoro.

Funzionalità principali

SageMaker L'intelligenza artificiale include le seguenti funzionalità principali in ordine alfabetico escluso qualsiasi prefisso SageMaker AI.

IA aumentata Amazon

Crea i flussi di lavoro necessari per la revisione umana delle previsioni di machine learning. Amazon A2I porta la revisione umana a tutti gli sviluppatori, rimuovendo il sollevamento pesante indifferenziato associato alla costruzione di sistemi di revisione umana o alla gestione di un gran numero di revisori umani.

Fase AutoML

Crea un lavoro AutoML per addestrare automaticamente un modello in Pipelines.

SageMaker Pilota automatico

Gli utenti privi di competenze di machine learning possono creare rapidamente modelli di classificazione e regressione.

Batch Transform

Preelabora set di dati, esegue l'inferenza quando non è necessario un endpoint persistente e associa i record di input alle inferenze per facilitare l'interpretazione dei risultati.

SageMaker Chiarire

Migliora i modelli di machine learning grazie all'individuazione di potenziali distorsioni e alla spiegazione delle previsioni effettuate dai modelli stessi.

Collaborazione con spazi condivisi

Uno spazio condiviso è costituito da un' JupyterServer applicazione condivisa e una directory condivisa. Tutti i profili utente in un dominio Amazon SageMaker AI hanno accesso a tutti gli spazi condivisi del dominio.

SageMaker Data Wrangler

Importa, analizza, prepara e personalizza i dati in Studio. SageMaker Puoi integrare Data Wrangler nei tuoi flussi di lavoro di machine learning per semplificare e ottimizzare la preelaborazione dei dati e la progettazione delle funzionalità utilizzando poca o nessuna codifica. Puoi anche aggiungere i tuoi script e trasformazioni Python per personalizzare il flusso di lavoro di preparazione dei dati.

Widget di preparazione dei dati di Data Wrangler

Interagisci con i tuoi dati, ottenere visualizzazioni, esplorare informazioni utili e risolvere problemi di qualità dei dati.

SageMaker Debugger

Controlla i parametri e i dati di addestramento nel processo di addestramento. Rileva e avvisa automaticamente gli utenti di errori comuni, come i valori dei parametri che diventano troppo grandi o piccoli.

SageMaker Edge Manager

Ottimizza i modelli personalizzati per i dispositivi edge, crea e gestisci flotte ed esegui modelli con un runtime efficiente.

SageMaker Esperimenti

Gestione e monitoraggio degli esperimenti È possibile utilizzare i dati tracciati per ricostruire un esperimento, costruire in modo incrementale su esperimenti condotti da peer e tracciare il modello per verifiche di conformità e audit.

SageMaker Feature Store

Un archivio centralizzato per le funzionalità e i metadati associati in modo che le funzionalità possano essere facilmente scoperte e riutilizzate. Puoi creare due tipi di archivi, un archivio online o uno offline. L'archivio online può essere utilizzato per casi d'uso di inferenza in tempo reale a bassa latenza, mentre l’archivio offline può essere utilizzato per l’inferenza di addestramento e batch.

SageMaker Ground Truth

Set di dati di addestramento di alta qualità utilizzando i worker e il machine learning per creare set di dati etichettati.

SageMaker Ground Truth Plus

Una funzionalità di etichettatura dei dati chiavi in mano per creare set di dati di addestramento di alta qualità senza dover creare applicazioni di etichettatura e gestire autonomamente la forza lavoro addetta all'etichettatura.

SageMaker Suggeritore di inferenza

Ottieni i suggerimenti sui tipi e sulle configurazioni delle istanze di inferenza (ad esempio numero di istanze, parametri dei container e ottimizzazioni dei modelli) per utilizzare i tuoi modelli e carichi di lavoro ML.

Test delle copie shadow di inferenza

Valuta eventuali modifiche alla tua infrastruttura di model-service confrontandone le prestazioni con l'infrastruttura attualmente implementata.

SageMaker JumpStart

Scopri le caratteristiche e le funzionalità dell' SageMaker intelligenza artificiale attraverso soluzioni curate in 1 clic, notebook di esempio e modelli preaddestrati che puoi implementare. Puoi anche perfezionare i modelli e distribuirli.

SageMaker Monitoraggio del lignaggio ML

Monitora il lineage dei flussi di lavoro di machine learning.

SageMaker Pipeline per la costruzione di modelli

Crea e gestisci pipeline di machine learning integrate direttamente con i lavori di SageMaker intelligenza artificiale.

SageMaker Carte modello

Documenta le informazioni sui tuoi modelli di machine learning in un unico posto per una governance e un reporting semplificati durante l'intero ciclo di vita del machine learning.

SageMaker Dashboard del modello

Una panoramica visiva predefinita di tutti i modelli del tuo account. Model Dashboard integra le informazioni di SageMaker Model Monitor, trasforma lavori, endpoint, tracciamento della discendenza e CloudWatch consente di accedere a informazioni di alto livello sul modello e monitorare le prestazioni del modello in un'unica visualizzazione unificata.

SageMaker Model Monitor

Monitora e analizza i modelli in produzione (endpoint) per rilevare il drift dei dati e le deviazioni nella qualità del modello.

SageMaker Registro dei modelli

Controllo delle versioni, tracciamento degli artefatti e della lineage, flusso di lavoro di approvazione e supporto interaccount per l'implementazione dei modelli di machine learning.

SageMaker Neo

Addestra i modelli di machine learning una volta, quindi li esegue a livello di cloud e di edge.

Flussi di lavoro basati su notebook

Esegui il tuo notebook SageMaker Studio come un lavoro pianificato e non interattivo.

Pre-elaborazione

Analizza e preelabora i dati, affronta l'engineering delle funzionalità e valuta i modelli.

SageMaker Progetti

Crea soluzioni end-to-end ML con CI/CD utilizzando SageMaker Projects.

Apprendimento per rinforzo

Massimizza le gratificazioni a lungo termine che un agente riceve come risultato delle sue operazioni.

SageMaker Responsabile dei ruoli

Gli amministratori possono definire le autorizzazioni con privilegi minimi per le attività di machine learning comuni utilizzando ruoli IAM personalizzati e preconfigurati basati sulla persona.

SageMaker Endpoint senza server

Un'opzione di endpoint serverless per ospitare il tuo modello di machine learning. Dimensionamento automatico della capacità per soddisfare il traffico degli endpoint. Elimina la necessità di selezionare i tipi di istanza o gestire le policy di scalabilità su un endpoint.

Estensione Git Studio Classic

Un'estensione Git per inserire l'URL di un repository Git, clonarlo nel tuo ambiente, inviare modifiche e visualizzare la cronologia dei commit.

SageMaker Studio Notebook

La nuova generazione di SageMaker notebook che include integrazione AWS IAM Identity Center (IAM Identity Center), tempi di avvio rapidi e condivisione con un solo clic.

SageMaker Notebook Studio e Amazon EMR

Scopri, connettiti, crea, chiudi e gestisci facilmente i cluster Amazon EMR in configurazioni con account singolo e multiaccount direttamente da Studio. SageMaker

SageMaker Compilatore di formazione

Addestra modelli di deep learning più velocemente su istanze GPU scalabili gestite dall'intelligenza artificiale. SageMaker