Amazon SageMaker

O Amazon SageMaker é uma plataforma de aprendizado de máquina em nuvem que foi lançada em novembro de 2017.^[1] O SageMaker permite que os desenvolvedores criem, treinem e implantem modelos de aprendizado de máquina (ML) na nuvem.^[2] O SageMaker também permite que os desenvolvedores implantem modelos de ML em sistemas incorporados e dispositivos de ponta.^[3][4]

Capacidades

O SageMaker permite que os desenvolvedores operem em vários níveis de abstração ao treinar e implantar modelos de aprendizado de máquina. Em seu nível mais alto de abstração, o SageMaker fornece modelos de ML pré-treinados que podem ser implantados diretamente, sem modificação.^[5] Além disso, o SageMaker fornece vários algoritmos de ML integrados que os desenvolvedores podem treinar com seus próprios dados.^[6][7] Além disso, o SageMaker fornece instâncias gerenciadas de TensorFlow e Apache MXNet, onde os desenvolvedores podem criar seus próprios algoritmos de ML do zero.^[8] Independentemente do nível de abstração usado, um desenvolvedor pode conectar seus modelos de ML habilitados para SageMaker a outros serviços da AWS, como o banco de dados Amazon DynamoDB para armazenamento de dados estruturados,^[9] AWS Batch para processamento em lote off-line,^[9][10] ou Amazon Kinesis para processamento em tempo real.^[11]

Interfaces de desenvolvimento

Várias interfaces estão disponíveis para desenvolvedores interagirem com o SageMaker. Primeiro, há uma API Web que controla remotamente uma instância do servidor SageMaker.^[12] Embora a API da Web seja independente da linguagem de programação usada pelo desenvolvedor, a Amazon fornece vinculações de API do SageMaker para várias linguagens, incluindo Python, JavaScript, Ruby, Java e Go.^[13][14] Além disso, o SageMaker fornece instâncias gerenciadas do Jupyter Notebook para programar interativamente o SageMaker e outros aplicativos.^[15][16]

Histórico e recursos

• 29/11/2017: O SageMaker é lançado na conferência re:Invent da AWS.^[1][6][2]
• 27/02/2018: O SageMaker passa a suportar o treinamento e a inferência de redes neurais profundas gerenciadas do TensorFlow e MXNet.^[17][8]
• 28/02/2018: O SageMaker dimensiona automaticamente a inferência de modelo para várias instâncias de servidor.^[18][19]
• 13/07/2018: O SageMaker adiciona suporte para treinamento recorrente de rede neural, treinamento word2vec, treinamento linear multiclasse e treinamento distribuído de rede neural profunda no Chainer com escala de taxa adaptativa (LARS) em camadas.^[20][7]
• 17/07/2018: O AWS Batch Transform permite inferência de aprendizado de máquina não em tempo real de alto rendimento no SageMaker.^[21][22]
• 08/11/2018: Suporte para treinamento e inferência de incorporações de palavras Object2Vec.^[23][24]
• 27/11/2018: SageMaker Ground Truth "torna muito mais fácil para os desenvolvedores rotular seus dados usando anotadores humanos por meio do Mechanical Turk".^[25][3]
• 28/11/2018: SageMaker Reinforcement Learning (RL) "permite que desenvolvedores e cientistas de dados desenvolvam de forma rápida e fácil modelos de aprendizado por reforço em escala."^[26][3]
• 28/11/2018: O SageMaker Neo permite que modelos de redes neurais profundas sejam implantados do SageMaker para dispositivos de ponta, como smartphones e câmeras inteligentes.^[27][3]
• 29/11/2018: O AWS Marketplace for SageMaker é lançado, permitindo que desenvolvedores terceirizados comprem e vendam modelos de machine learning que podem ser treinados e implantados no SageMaker.^[28]
• 27/01/2019: O SageMaker Neo é lançado como software de código aberto.^[29]

Usos

• A NASCAR está usando o SageMaker para treinar redes neurais profundas com 70 anos de dados de vídeo de corridas.^[30]
• A Carsales.com usa o SageMaker para treinar e implantar modelos de aprendizado de máquina para analisar e aprovar listagens de anúncios classificados automotivos.^[31]
• O Avis Budget Group e a Slalom Consulting estão usando o SageMaker para desenvolver "uma solução prática no local que pode abordar a superutilização e a subutilização de carros em tempo real usando um mecanismo de otimização criado no Amazon SageMaker".^[32]
• O Grupo Volkswagen usa o SageMaker para desenvolver e implantar aprendizado de máquina em suas fábricas.^[33]
• A Peak e a Footasylum usam o SageMaker em um mecanismo de recomendação para calçados.^[34]

Ver também

• Amazon Web Services
• Amazon Lex
• Amazon Polly
• Amazon Rekognition
• Amazon Mechanical Turk
• Linha do tempo da Amazon Web Services

Referências