Каждый год на крупнейшем облачном мероприятии AWS, re:Invent, нас ждет ошеломляющий набор новых сервисов, возможностей и технологий. От основных докладов и секционных заседаний до лабораторий строителей и учебных курсов — каждый найдет что-то для себя!
Но дело не только в облаке, в этом году AI/ML заняли центральное место. Итак, мы попросили Уильяма Инфанте, инженера по программному обеспечению / данным и специалиста по оптимизации в DiUS, рассказать о его четырех лучших (потому что трех недостаточно!) объявлениях AI / ML, которые могут революционизировать то, как мы используем машинное обучение и интеллектуальные алгоритмы.
1. Новые возможности работы с геопространственными данными для машинного обучения
Сегодня большая часть генерируемых данных содержит геопространственную информацию, но лишь небольшая часть может использоваться для обучения моделей машинного обучения. Итак, я был рад узнать, что Amazon SageMaker теперь поддерживает геопространственные данные, даже если они доступны только в режиме предварительного просмотра (пока).
Вместо использования сторонних сервисов или интеграций Amazon SageMaker теперь может эффективно обрабатывать или обогащать крупномасштабные наборы геопространственных данных для ускорения разработки моделей. Я вижу огромную ценность в этих новых возможностях работы с геопространственными данными, особенно когда речь идет об обогащении визуальных моделей машинного обучения, таких как интерактивные карты для оценки продовольственных культур, доставки дронами и прогнозирования потребительского спроса.
2. Автоматизированная проверка модели машинного обучения в режиме реального времени.
Продолжались анонсы не одной, а восьми новых возможностей Amazon SageMaker. В дополнение к геопространственным данным Amazon SageMaker теперь предлагает автоматическую проверку модели в режиме реального времени для теневого тестирования. Но почему это так важно? Что ж, теневое тестирование направляет запросы на вывод в реальном времени от производственной модели к тестируемой модели.
Ранее проверка модели означала использование исторических данных, и если требовались запросы на вывод в реальном времени, необходимо было создать ручной процесс и создать необходимую инфраструктуру тестирования.
Эта новая возможность проверки модели машинного обучения не только упростит инженерам выполнение теневого тестирования, но и рассчитана на масштабирование и включает в себя панель мониторинга, на которой отображаются различия в производительности по ключевым показателям. Я надеюсь, что эта новая возможность приблизит тестирование и проверку моделей к стандартному (не обязательному) способу запуска моделей в производство.
3. Готовые к использованию квантовые алгоритмы
Квантовые вычисления могут помочь решить проблемы масштабирования для конкретных случаев использования, таких как планирование, оптимизация маршрутов и распределение ресурсов. Однако без готового к запуску кода начать экспериментировать с квантовыми компьютерами или создавать квантовые алгоритмы может быть чрезвычайно сложно.
В то время как Amazon Braket избавляет от многих догадок, запуск библиотеки алгоритмов Braket поможет сократить время, необходимое инженерам и специалистам по обработке и анализу данных для начала работы. В частности, мне нравится, что эта новая возможность предоставляет общие подпрограммы с реализациями хорошо известных квантовых алгоритмов Python. Кроме того, вы можете запускать части кода с помощью консоли Braket (или GitHub), а примеры могут помочь оценить затраты, связанные с запуском этих служб.
4. Автоматическое обнаружение конфиденциальных данных
Из-за недавних утечек данных защита конфиденциальных данных, таких как личная информация, стала приоритетом номер один для многих организаций. Поэтому я был рад узнать, что Amazon Macie теперь предлагает возможности автоматического обнаружения конфиденциальных данных.
Хотя у меня еще не было возможности поэкспериментировать с этой новой службой, я понимаю, что она интеллектуально проверяет корзины S3, используя методы машинного обучения и сопоставления с образцом для автоматической идентификации конфиденциальных данных, таких как имена, адреса и финансовая информация. Кроме того, интерактивная карта данных показывает, где находятся конфиденциальные данные, с помощью таких методов, как кластеризация ресурсов, чтобы найти правильный баланс между идентификацией конфиденциальных данных и снижением затрат, позволяя организациям быстро реагировать на потенциальные кибератаки.
Это обертка (ну, вроде)…
Итак, вот оно! Это лишь четыре из множества новых сервисов, возможностей и технологий, анонсированных в этом году на конференции AWS re:Invent. Если вы (как и мы) любите быть в курсе последних и лучших новостей, вы можете посмотреть эти и другие объявления в плейлисте YouTube AWS re:Invent 2022. Приятного просмотра!
