
Treinamento distribuído no Amazon SageMaker
O Amazon SageMaker torna mais fácil e rápido treinar grandes modelos e processar grandes quantidades de dados. O novo treinamento distribuído no produto Amazon SageMaker permite o treinamento distribuído e suporta dados e paralelismo de modelo. Isso requer mudanças mínimas de código. Agora você pode facilmente dividir os dados em partes e treinar em diferentes GPUs. Você também pode dividir o próprio modelo para que várias GPUs sejam usadas para treinamento. Isso é útil para modelos grandes onde a GPU sozinha não é suficiente.

Mais detalhes aqui
Amazon SageMaker Clarify
Os modelos de aprendizado de máquina costumam ser uma caixa preta. É difícil entender por que o modelo produziu este ou aquele resultado. O Amazon SageMaker Clarify pode ajudá-lo a entender como os modelos funcionam e os fatores que influenciaram cada resultado. Isso é especialmente importante para modelos de auditoria.
Além disso, os dados podem não ser equilibrados. Os dados históricos sobre os quais os modelos de ML são treinados são incompletos e geralmente tendenciosos. Por exemplo, se pessoas anteriores de uma certa idade contraíram poucos empréstimos hipotecários, um modelo treinado nesses dados pode negar hipotecas a pessoas dessa idade no futuro. O que só vai reforçar o preconceito. O Amazon SageMaker Clarify permite que você identifique esses tipos de desequilíbrios e tendências em seus dados. Isso faz com que os modelos funcionem melhor para todos.

Mais detalhes aqui
Amazon SageMaker Debugger
O Amazon SageMaker Debugger é uma ferramenta útil para depurar e criar perfis de modelos, coletar e analisar dados de treinamento, gerar relatórios e visualizar métricas. O SageMaker Debugger recebeu muitas atualizações este ano, bem como uma interface de usuário completamente redesenhada.

Detalhes aqui
Amazon SageMaker JumpStart
O Amazon SageMaker JumpStart permite que você implante rapidamente uma solução pronta para uso ou modelo de ML. Já estão disponíveis 15 soluções para tarefas como reconhecimento de escrita, previsão de demanda, detecção de fraude e usuário malicioso e muito mais. Além disso, o SageMaker JumpStart permite implantar um dos 150 modelos de ML de código aberto do TensorFlow Hub e PyTorch Hub com apenas alguns cliques.

Detalhes aqui
Amazon SageMaker Edge Manager
Um kit de ferramentas (MLOps) para transformar seus dispositivos inteligentes em dispositivos inteligentes de ponta que podem executar modelos treinados em nuvem, coletar telemetria e enviar dados de amostra de volta à nuvem para retreinamento. O Amazon SageMaker Edge Manager também ajuda a monitorar a saúde de sua frota de dispositivos e atualizar modelos otimizados com SageMaker Neo.
O SageMaker Edge Agent é um pequeno runtime hospedado em um dispositivo que pode executar modelos, coletar telemetria e enviar dados de amostra de volta para a nuvem.
SageMaker Neo é uma ferramenta que otimiza seus modelos para dispositivos de baixa potência já incluídos no tempo de execução do agente.
Os painéis SageMaker Edge ajudam a monitorar a saúde de seus dispositivos por modelos à deriva.

Mais detalhes aqui
Amazon Redshift ML
Agora você pode treinar modelos e fazer inferências diretamente em consultas SQL para o Redshift, graças à integração com o SageMaker AutoPilot, que irá preparar os dados e selecionar o algoritmo mais adequado. E todas as outras previsões já podem ser feitas usando os recursos do cluster RedShift sem descarregar dados dele.
Isso torna mais fácil para um desenvolvedor ou analista trabalhar com dados e remove etapas como upload de dados para armazenamento temporário, início do processo de treinamento, hospedagem do modelo e processo de previsão.

Mais detalhes
Amazon Neptune ML
Amazon Neptune ML é um novo recurso para bancos de dados gerenciados baseados em gráficos - Amazon Neptune. Construído usando a Deep Graph Library , ele pode melhorar a precisão em até 50% em relação a outras bibliotecas e algoritmos que não são especializados em fontes de dados gráficos.
O Amazon Neptune ML pode prever os nós ausentes (nó de classificação) e a borda (regressão de peso).

Amazon Lookout for Metrics
Um novo serviço que detecta automaticamente anomalias em suas métricas de negócios, sem exigir nenhuma habilidade de desenvolvimento ou aprendizado de máquina. O serviço pode se conectar a fontes de dados como Salesforce, Marketo, Google Analytics, Slack, Zendesk e muitos outros.
Ele pode ser usado para monitorar, localizar e alertar sobre anomalias e também é capaz de mostrar a causa potencial de uma anomalia em dados, como visualizações de página da web, taxa de rotatividade do cliente, usuários ativos diários (DAU), transações, instalações de aplicativos móveis e muito mais. ...
Plarix já tem acesso ao preview e testou este serviço para analisar seus dados.
“Fizemos experiências com nossos dados de aquisição de usuários para entender como o serviço funciona e ele rapidamente identificou e agrupou anomalias, permitindo-nos trabalhar mais rápido e melhor,” - Mikhail Artyugin, CTO da Playrix.

Mais detalhes aqui
Sessão Twitch em russo
Hoje ocorrerá o próximo fluxo de twitch no idioma russo, agora nas novidades no campo do aprendizado de máquina. Lembramos que os streams estão ocorrendo nos principais dias da AWS re: Invent. Os fluxos são preparados e conduzidos pelos principais arquitetos de soluções da AWS, que escolhem o mais interessante e útil entre as notícias e anúncios da conferência de várias horas. Para quem ainda não se conectou - o link de registro .
Mais sobre o assunto:
AWS re: Invent. Anúncios principais do primeiro dia (Parte 1) da
AWS re: Invent. Os principais anúncios do primeiro dia (Parte 2)