artificial intelligence brain machine learning digital transformation world networking

Amazon Web Services a ajouté mercredi de nouvelles fonctionnalités à son offre gérée apprentissage automatique service Amazon Sage Makerconçu pour améliorer les attributs de gouvernance au sein du service et ajouter de nouvelles fonctionnalités à ses blocs-notes.

Les blocs-notes dans le contexte d’Amazon SageMaker sont des instances de calcul qui exécutent l’application Jupyter Notebook.

Mises à jour de la gouvernance pour améliorer l’accès granulaire, améliorer le flux de travail

AWS a déclaré que les nouvelles fonctionnalités permettront aux entreprises de faire évoluer la gouvernance tout au long du cycle de vie de leur modèle ML. À mesure que le nombre de modèles d’apprentissage automatique augmente, il peut devenir difficile pour les entreprises de gérer la tâche consistant à définir des contrôles d’accès privilégiés et à établir des processus de gouvernance pour documenter les informations du modèle, telles que les ensembles de données d’entrée, les informations sur l’environnement de formation, la description de l’utilisation du modèle et les risques. évaluation.

Les équipes d’ingénierie des données et d’apprentissage automatique utilisent actuellement des feuilles de calcul ou des listes ad hoc pour naviguer dans les politiques d’accès nécessaires à tous les processus impliqués. Cela peut devenir complexe à mesure que la taille des équipes d’apprentissage automatique augmente au sein d’une entreprise, a déclaré AWS dans un communiqué.

Un autre défi consiste à surveiller les biais des modèles déployés et à s’assurer qu’ils fonctionnent comme prévu, a déclaré la société.

Pour relever ces défis, le fournisseur de services cloud a ajouté Amazon SageMaker Role Manager pour permettre aux administrateurs de contrôler plus facilement l’accès et de définir les autorisations pour les utilisateurs.

Avec le nouvel outil, les administrateurs peuvent sélectionner et modifier des modèles prédéfinis en fonction des différents rôles et responsabilités des utilisateurs. L’outil crée ensuite automatiquement des politiques d’accès avec les autorisations nécessaires en quelques minutes, a déclaré la société.

AWS a également ajouté un nouvel outil à SageMaker appelé Amazon SageMaker Model Cards pour aider les équipes de science des données à passer de la tenue de registres manuelle.

L’outil fournit un emplacement unique pour stocker les informations du modèle dans la console AWS et il peut remplir automatiquement les détails de la formation tels que les ensembles de données d’entrée, l’environnement de formation et les résultats de la formation directement dans les cartes de modèle Amazon SageMaker, a déclaré la société.

“Les praticiens peuvent également inclure des informations supplémentaires à l’aide d’un questionnaire autoguidé pour documenter les informations du modèle (par exemple, les objectifs de performance, l’évaluation des risques), les résultats de la formation et de l’évaluation (par exemple, les mesures de biais ou de précision) et les observations pour référence future afin d’améliorer encore la gouvernance et soutenir l’utilisation responsable du ML », a déclaré AWS.

En outre, la société a ajouté Amazon SageMaker Model Dashboard pour fournir une interface centrale au sein de SageMaker pour suivre les modèles d’apprentissage automatique.

À partir du tableau de bord, l’entreprise peut également utiliser des intégrations intégrées avec Amazon SageMaker Model Monitor (capacité de surveillance de la dérive des modèles et des données) et Amazon SageMaker Clarify (capacité de détection des biais ML), a déclaré la société, ajoutant que la visibilité de bout en bout contribuera à rationaliser la gouvernance de l’apprentissage automatique.

Le bloc-notes Amazon SageMaker Studio est maintenant mis à jour

En plus d’ajouter des fonctionnalités de gouvernance à SageMaker, AWS a ajouté de nouvelles fonctionnalités à Amazon SageMaker Studio Notebook pour aider les équipes de science des données d’entreprise à collaborer et à préparer les données plus rapidement dans le bloc-notes.

Une capacité de préparation des données dans Amazon SageMaker Studio Notebook aidera désormais les équipes de science des données à identifier les erreurs dans les ensembles de données et à les corriger depuis l’intérieur du bloc-notes.

La nouvelle fonctionnalité permet aux scientifiques des données d’examiner visuellement les caractéristiques des données et de résoudre les problèmes de qualité des données, a déclaré la société, ajoutant que l’outil génère automatiquement des graphiques pour aider les utilisateurs à identifier les problèmes de qualité des données et suggère des transformations de données pour aider à résoudre les problèmes courants.

“Une fois que le praticien a sélectionné une transformation de données, Amazon SageMaker Studio Notebook génère le code correspondant dans le bloc-notes afin qu’il puisse être appliqué de manière répétée à chaque exécution du bloc-notes”, a déclaré la société.

Afin de faciliter la collaboration des équipes de science des données, AWS a ajouté un nouvel espace de travail au sein de SageMaker où les équipes de science des données peuvent lire, modifier et exécuter des blocs-notes ensemble en temps réel, a déclaré la société.

Les autres fonctionnalités de SageMaker Studio Notebook incluent la conversion automatique du code du bloc-notes en tâches prêtes pour la production et la validation automatisée de nouveaux modèles d’apprentissage automatique à l’aide de demandes d’inférence en temps réel.

De plus, AWS a déclaré qu’il ajoutait des capacités géospatiales à SageMaker pour permettre aux entreprises d’augmenter son utilisation ou son rôle dans la formation de modèles d’apprentissage automatique.

Copyright © 2022 IDG Communications, Inc.

Leave a Reply