Amazon Web Services (AWS) ha revelado mejoras significativas en Amazon SageMaker, su plataforma de aprendizaje automático. Estas actualizaciones están diseñadas para agilizar el desarrollo, entrenamiento y implementación de modelos avanzados de aprendizaje automático. Con la creciente demanda de modelos de aprendizaje automático en diversas industrias, AWS posiciona a SageMaker como una plataforma fundamental para construir y desplegar eficientemente estos modelos.
Las últimas características anunciadas en AWS re:Invent incluyen:
SageMaker HyperPod para Entrenamiento Acelerado de Modelos:
AWS ha introducido SageMaker HyperPod, una función diseñada para acelerar el entrenamiento de modelos. Este sistema preconfigurado optimiza la infraestructura de aprendizaje automático para entrenar modelos, reduciendo el tiempo de entrenamiento hasta un 40%. El punto de control automatizado asegura un entrenamiento ininterrumpido incluso en caso de fallas de hardware, contribuyendo a un proceso más eficiente y rentable.
SageMaker Inference para una Implementación Mejorada de Modelos:
SageMaker Inference se presenta para optimizar las operaciones de infraestructura de aprendizaje automático gestionadas. Esta capacidad tiene como objetivo reducir los costos de implementación y disminuir la latencia utilizando de manera eficiente los aceleradores de infraestructura de aprendizaje automático. Con soporte para implementar múltiples modelos en la misma instancia, los costos de implementación se reducen en un promedio del 50%, mientras que el enrutamiento inteligente de solicitudes de inferencia logra una latencia promedio un 20% más baja.
SageMaker Clarify para Evaluación y Selección de Modelos:
SageMaker Clarify es una nueva capacidad destinada a ayudar a los clientes a evaluar, comparar y seleccionar los mejores modelos para casos de uso específicos. Simplifica el proceso de evaluación del modelo según parámetros de calidad, respaldando el uso responsable de la inteligencia artificial. Los usuarios pueden enviar sus propios modelos para su evaluación o elegir entre SageMaker JumpStart, y la plataforma proporciona un proceso simplificado para comparar modelos y seleccionar según criterios de rendimiento.
SageMaker Canvas para Preparación de Datos Sin Código:
SageMaker Canvas presenta una capacidad sin código para simplificar el proceso de preparación de datos mediante instrucciones en lenguaje natural. Esta característica está diseñada para hacer más rápido y fácil el proceso de preparación de datos para usuarios sin una amplia experiencia en aprendizaje automático, reduciendo el tiempo dedicado de horas a minutos. SageMaker Canvas continúa democratizando la construcción y personalización de modelos al proporcionar una interfaz amigable para extraer conocimientos y generar contenido.
Estas actualizaciones reflejan el compromiso de AWS de hacer que las capacidades avanzadas de aprendizaje automático sean accesibles para organizaciones de todos los tamaños. La plataforma, con más de 380 funciones agregadas desde su lanzamiento en 2017, tiene como objetivo capacitar a los usuarios para innovar con aprendizaje automático a gran escala. A medida que los modelos de aprendizaje automático se vuelven cada vez más sofisticados, AWS continúa evolucionando SageMaker para satisfacer las crecientes demandas de la industria. Para obtener más información y explorar las capacidades de Amazon SageMaker, visite AWS SageMaker.