AWS heeft deze week tijdens re:Invent 2021 diverse aankondigingen gedaan op het gebied van machine learning. Het gaat om twee initiatieven om machine learning toegankelijker te maken. Ook kondigt AWS zes nieuwe SageMaker-opties aan, de machine learning-service van Amazon.
De twee initiatieven zijn:
Nieuw AWS Scholarship-programma helpt ondervertegenwoordigde en achtergestelde studenten zich voor te bereiden op een loopbaan in AI en ML:
AWS heeft het AWS AI & ML Scholarship-programma aangekondigd in samenwerking met Intel en Udacity, ontworpen om ondervertegenwoordigde en achtergestelde studenten wereldwijd voor te bereiden op een loopbaan in machine learning (ML). Het AWS AI & ML Scholarship-programma wordt gelanceerd als onderdeel van de nieuwe AWS DeepRacer Student-service en Student League, een nieuwe studentenafdeling van het populaire AWS DeepRacer-programma. Via DeepRacer Student hebben deelnemers toegang tot gratis online trainingen om de basisprincipes van ML en reinforcement learning (RL) te leren. Studenten hebben ook toegang tot 10 uur modeltraining en 5 GB opslagruimte per maand om deel te nemen aan de DeepRacer Student League, een wereldwijde autonome racecompetitie exclusief voor AWS AI & ML-studenten.
Amazon SageMaker Studio Lab, een gratis service om te leren en te experimenteren met ML:
Amazon heeft de openbare preview onthuld van Amazon SageMaker Studio Lab, een gratis service waarmee iedereen kan leren en experimenteren met ML zonder een AWS-account, creditcard of kennis van cloudconfiguratie. Studio Lab is gebaseerd op het open-source JupyterLab en geeft gebruikers gratis toegang tot AWS computeresources om snel te leren en te experimenteren met ML. Studio Lab is daarnaast ook eenvoudig in te stellen. In feite is de enige configuratie die gebruikers hoeven te doen het volgende: één klik om te kiezen of ze een CPU- of GPU-instantie voor hun project nodig hebben.
Bij de nieuwe Amazon SageMaker-mogelijkheden gaat het om:
- Amazon SageMaker Canvas: Amazon kondigde de algemene beschikbaarheid aan van Amazon SageMaker Canvas, een nieuwe visuele mogelijkheid zonder code waarmee bedrijfsanalisten ML-modellen kunnen bouwen en nauwkeurige voorspellingen kunnen genereren zonder code te moeten schrijven of ML-expertise nodig te hebben. Met de intuïtieve gebruikersinterface kunnen gebruikers bladeren door en toegang krijgen tot verschillende databronnen in de cloud of on-premise, datasets combineren met één klik op de knop, nauwkeurige modellen trainen en vervolgens nieuwe voorspellingen genereren zodra nieuwe data beschikbaar is.
- Amazon SageMaker Ground Truth Plus: Amazon heeft de nieuwste service in de Amazon SageMaker-suite onthuld die het labelen van datasets eenvoudiger dan ooit tevoren zal maken. Ground Truth Plus is een kant-en-klare service die gebruik maakt van deskundig personeel om snel hoogwaardige trainingsdatasets te leveren en de kosten tot 40% te verlagen. Met Amazon SageMaker Ground Truth Plus kunnen gebruikers eenvoudig hoogwaardige trainingsdatasets maken zonder zelf labeltoepassingen te hoeven bouwen en het labelpersoneel te hoeven beheren.
- Amazon SageMaker Studio verbeteringen: Amazon heeft drie nieuwe verbeteringen aangekondigd voor zijn Amazon SageMaker Studio-service. De nieuwe verbeteringen stellen datawetenschappers in staat om Amazon EMR-clusters te ontdekken, te beheren, te creëren, te beëindigen en er verbinding mee te maken vanuit SageMaker Studio. Daarnaast kan er nu gebruik worden gemaakt van “templates” – een nieuwe manier om clusters te configureren en in te richten voor jouw workloadbehoeften met ondersteuning van ervaren DevOps-professionals, en ook verbinding te maken met, het debuggen en controleren van Spark-taken die worden uitgevoerd op een Amazon EMR-cluster vanuit een SageMaker Studio Notebook.
- SageMaker Training Compiler: Amazon introduceerde Amazon SageMaker Training Compiler, een nieuwe Amazon SageMaker-mogelijkheid die de training van deep learning (DL)-modellen tot 50% kan versnellen. Nu compileert SageMaker Training Compiler automatisch de Python-trainingscode van de gebruiker en genereert GPU kernels specifiek voor hun model. De trainingscode gebruikt minder geheugen en rekenkracht en traint daarom sneller.
- Amazon SageMaker Inference Recommender: Amazon SageMaker Inference Recommender is een gloednieuwe Amazon SageMaker Studio-mogelijkheid die load-tests automatiseert en modelprestaties optimaliseert voor ML-instanties. Hierdoor wordt de tijd die nodig is om ML-modellen van ontwikkeling tot productie te krijgen, verkort en de kosten optimaliseert aan de hand van hun werking. Tot nu toe heeft geen enkele service MLOps-engineers de mogelijkheid geboden om de optimale ML-instanties voor hun model te kiezen. Met SageMaker Inference Recommender kunnen MLOps-engineers nu een loadtest uitvoeren op hun model in een gesimuleerde omgeving.
- SageMaker Serverless Inference: AWS heeft een preview onthuld van Amazon SageMaker Serverless Inference, een nieuwe inferentieoptie waarmee gebruikers eenvoudig ML-modellen voor inferentie kunnen inzetten zonder de onderliggende infrastructuur te hoeven configureren of beheren. Selecteer gewoon de serverloze optie bij het implementeren van jouw ML-model, en Amazon SageMaker voorziet, schaalt en schakelt de rekencapaciteit automatisch uit op basis van het volume aan inferentieverzoeken. Met SageMaker Serverless Inference betaal je alleen voor de duur van het uitvoeren van de inferentiecode en de hoeveelheid verwerkte gegevens, niet voor inactieve tijd.
