編譯：chux
出品：ATYUN訂閱號
亞馬遜一直在爲其雲計算子公司AWS添加AI功能。今天，亞馬遜宣佈了一系列對SageMaker的改進，SageMaker是用於構建，訓練和部署機器學習模型的端到端平臺。
“機器學習是一個高度協作的過程，將領域經驗與技術技能相結合是成功的基石，通常需要多次迭代和不同數據集和功能的實驗，”AWS學習與AI總經理Matt Wood博士表示，“訓練一個成功的模型幾乎從來就不是一勞永逸的，所以能夠跟蹤重要的決策，回放成功的部分，重視有效的部分，我們正在引入新功能，使這些迭代更易於管理，重複和共享。”
首先列出的是Sagemaker Search，它使AWS客戶能夠找到AI模型訓練運行獨特的組合數據集，算法和參數。它可以從SageMaker控制檯訪問。
另一個新功能是Step Functions，它跨多個服務協調完成機器學習工作流程所需的步驟。此外，還與Apache Airflow集成，Apache Airflow是一個用於創作，調度和監控工作流的開源框架。
Step Functions和Apache Flow將於下個月推出。
Wood博士寫道，“使用Step Functions，你可以自動將數據集發佈到Amazon S3，使用SageMaker訓練數據的ML模型，並部署模型進行預測，它會監視SageMaker（和Glue）作業，直到它們成功或失敗，並轉換到工作流程的下一步或進行重試。它包括內置的錯誤處理，參數傳遞，狀態管理和可視控制檯，可讓你在運行時監控ML工作流程。”
這些改進對於SageMaker與添加三個新的內置算法相吻合，即用於可疑IP地址（IP Insights），用於高維對象的低維嵌入（Object2Vec）和無監督分組（K-means聚類）。AWS爲Horovod、Uber開源深度學習框架谷歌的Tensorflow提供了新的支持，以及軟件機器學習庫scikit-learn和MLeap。
整體升級還包括可視化和與版本控制系統Git的集成，這有助於跟蹤和協調文件中的更改。現在，開發人員可以將GitHub，AWS CodeCommit或自託管Git存儲庫與SageMaker notebook連接，以便克隆公共和私有存儲庫，或使用IAM，LDAP和AWS Secrets Manager在Amazon SageMaker中存儲存信息。
最後，在安全方面，SageMaker現在符合亞馬遜的系統和組織控制（SOC）1級，2級和3級審覈。
Wood博士表示，“這些新功能，算法和認證將有助於爲更多開發人員帶來更多的機器學習工作負載。通過幾乎完全專注於客戶的要求，我們正在通過亞馬遜SageMaker在現實世界中使機器學習變得有用和可用方面取得了實際進展，在AI方面，認證，實驗和自動化並不總是你能想到的第一件事，但我們的客戶告訴我們，這些功能可以進一步縮短構建，訓練和部署模型所需的時間。”