Публикации по теме 'sagemaker'


AWS SageMaker
Полное машинное обучение Введение В этом посте рассказывается о моем личном опыте использования AWS SageMaker за последние 8 месяцев в GoDaddy . В GoDaddy я использую SageMaker для создания, обучения и развертывания нескольких моделей машинного обучения, а также помогаю нескольким другим командам в компании делать то же самое. Пост структурирован как обзор высокого уровня как положительного, так и отрицательного опыта, который у меня был с SageMaker во время его использования...
AutoML с использованием Amazon SageMaker Autopilot | Мультиклассовая классификация
AWS всегда стремилась к «доверить машинное обучение каждому разработчику». AWS запустила Amazon Sagemaker в 2017 году, который помогает разработчикам создавать модели машинного обучения без каких-либо предварительных знаний. На re: Invent 2019 AWS представила новую огромную функцию для SageMaker под названием «SageMaker Studio». Это IDE для всех ваших потребностей в машинном обучении. Введение в SageMaker Studio: Он помогает вам предварительно обработать данные, обучить..
SageMaker Java SDK для доступа к размещенным конечным точкам SageMaker
Недавно я столкнулся с требованием в моей организации, где нам нужно было получить прогнозы с помощью Amazon SageMaker Hosted endpoint из нашего кода Java. Большинство примеров, представленных в документации SageMaker, используют python SDK, и, несмотря на наличие подробного Java API , понять, как их использовать, не очень просто. Что такое модель SageMaker Модель в SageMaker — это обертка из 2-х объектов Образ контейнера Docker с веб-сервером Файл модели в папке S3 Образ..
3 Важные соображения, прежде чем отправиться в путешествие по Feature Store!
Краткое введение. Создание магазина функций машинного обучения кажется многообещающей идеей для любой организации, разрабатывающей и внедряющей модели машинного обучения. Feature Store помогает избежать тонны дублирования работы (например, разработки функций), установить стандартную номенклатуру и стандарт описания функций в организации и обеспечить согласованность между обработкой и обслуживанием функций онлайн и офлайн. Излишне говорить, что сэкономленные усилия и время можно..
Линейная регрессия с AWS SageMaker
Недавно я наткнулся на одну из новинок от AWS - Amazon SageMaker . Amazon SageMaker - это полностью управляемая платформа, которая позволяет разработчикам и специалистам по обработке данных быстро и легко создавать, обучать и развертывать модели машинного обучения в любом масштабе. Теперь я использовал некоторые из моделей машинного обучения, которые AWS предоставлял в прошлом для линейной регрессии, и я не был полностью поражен, однако у SageMaker есть пара функций, которые..
Kubernetes и Amazon SageMaker для машинного обучения - распределенное обучение, настройка гиперпараметров…
Узнайте, как написать собственные файлы конфигурации YAML для использования операторов Amazon SageMaker для Kubernetes На re: Invent 2019 AWS анонсировала Операторы Amazon SageMaker для Kubernetes , которые позволяют пользователям Kubernetes обучать модели машинного обучения, оптимизировать гиперпараметры, запускать задания пакетного преобразования и настраивать конечные точки вывода с помощью Amazon SageMaker - не выходя из кластера Kubernetes. Вы можете вызвать функциональность..
Kubernetes и Amazon SageMaker для машинного обучения - лучшее из обоих миров
Используйте Amazon SageMaker, чтобы расширить емкость и возможности вашего кластера Kubernetes для рабочих нагрузок машинного обучения. Если вы являетесь частью команды, которая часто обучает и развертывает модели машинного обучения, у вас, вероятно, есть настройка кластера, которая поможет организовать и управлять рабочими нагрузками машинного обучения. Скорее всего, вы используете Kubernetes (и KubeFlow) или Amazon SageMaker. До сих пор вам приходилось выбирать свою систему..