Documentación de Amazon SageMaker AI

Descripción

Amazon SageMaker AI es un servicio integral y totalmente administrado de aprendizaje automático diseñado para potenciar a científicos de datos y desarrolladores. Optimiza todo el flujo de trabajo de ML, desde la preparación inicial de datos hasta el despliegue y monitoreo continuo de modelos. La plataforma permite a los usuarios crear, entrenar y desplegar rápidamente modelos de aprendizaje automático en un entorno alojado listo para producción.

SageMaker AI ofrece un conjunto de herramientas para gestionar las complejidades del aprendizaje automático. Esto incluye capacidades para el etiquetado de datos con asistencia de bucle humano, preparación y procesamiento de datos, y la creación, almacenamiento y compartición de señales de datos extraídas conocidas como características. Para el desarrollo de modelos, los usuarios pueden entrenar modelos utilizando diversos algoritmos y frameworks, y desplegarlos para inferencia. El servicio también soporta la implementación de prácticas MLOps para una gestión robusta de modelos y el monitoreo de la calidad de los datos y modelos para garantizar el rendimiento y la fiabilidad.

Más allá del desarrollo central de modelos, Amazon SageMaker AI enfatiza las prácticas de IA responsable. Proporciona herramientas para detectar sesgos en los modelos y comprender sus explicaciones, promoviendo la transparencia y la equidad. Las características de gobernanza ayudan a documentar y rastrear el rendimiento del modelo, asegurando la rendición de cuentas. La seguridad también es una consideración clave, con opciones para configurar la seguridad de los recursos de SageMaker AI.

La documentación proporciona acceso a recursos esenciales, incluyendo referencias de API para información operativa detallada y el SDK de Python de Amazon SageMaker AI, que facilita el entrenamiento y despliegue con frameworks populares de aprendizaje profundo. Adicionalmente, guía a los usuarios sobre cómo aprovechar el SDK de AWS para Python (Boto3) para el formato de datos y la construcción de aplicaciones. La plataforma es adecuada para una amplia gama de usuarios, desde científicos de datos individuales hasta grandes equipos de desarrollo que buscan escalar sus iniciativas de ML.

Las capacidades clave incluyen ML automatizado, entornos de aprendizaje automático, etiquetado de datos, preparación y procesamiento de datos, gestión de feature store, entrenamiento y despliegue de modelos, implementación de MLOps y herramientas de IA responsable para detección de sesgos y gobernanza. El servicio tiene como objetivo reducir el tiempo y el esfuerzo necesarios para llevar los modelos de ML desde la experimentación a la producción, acelerando la innovación y el valor empresarial.

Características principales de Documentación de Amazon SageMaker AI

• Servicio de aprendizaje automático totalmente administrado

• Herramientas para crear y entrenar modelos de ML

• Despliegue de modelos listo para producción

• Etiquetado de datos con bucle humano

• Capacidades de preparación y procesamiento de datos

• Feature store para crear, almacenar y compartir características

• Soporte para implementación de MLOps

• Monitoreo de calidad de datos y modelos

• Herramientas de IA responsable para detección de sesgos y explicaciones

• Configuración de seguridad para recursos

• Referencia de API para operaciones de SageMaker AI

• SDK de Python de Amazon SageMaker AI para entrenamiento y despliegue

• Integración con SDK de AWS para Python (Boto3)

Primeros pasos con Documentación de Amazon SageMaker AI

1. 1

   Incorporación: Comience con el rol y dominio de Amazon SageMaker AI.

2. 2

   Automatizar ML: Aprenda cómo automatizar el aprendizaje automático de principio a fin.

3. 3

   Preparar Datos: Comprenda cómo preparar datos para el aprendizaje automático.

4. 4

   Entrenar Modelos: Aprenda el proceso de entrenamiento de sus modelos de aprendizaje automático.

5. 5

   Desplegar Modelos: Descubra cómo desplegar sus modelos entrenados para inferencia.

6. 6

   Implementar MLOps: Aprenda a implementar operaciones de aprendizaje automático en SageMaker AI.

7. 7

   Configurar Seguridad: Comprenda cómo asegurar recursos dentro de Amazon SageMaker AI.

Casos de uso de Documentación de Amazon SageMaker AI

• ML Automatizado
• Etiquetado de Datos
• Entrenamiento de Modelos
• Despliegue de Modelos
• Implementación de MLOps
• IA Responsable
• Ingeniería de Características

Preguntas frecuentes de Documentación de Amazon SageMaker AI

• ¿Qué es Amazon SageMaker AI?

  Amazon SageMaker AI es un servicio de aprendizaje automático totalmente administrado que permite a científicos de datos y desarrolladores crear, entrenar y desplegar rápidamente modelos de aprendizaje automático en un entorno alojado listo para producción.

• ¿Cómo puedo preparar datos para aprendizaje automático con SageMaker AI?

  La documentación de SageMaker AI proporciona guías sobre etiquetado de datos con bucle humano, preparación de datos y procesamiento de datos para asegurar que sus datos estén listos para tareas de aprendizaje automático.

• ¿Amazon SageMaker AI soporta MLOps?

  Sí, Amazon SageMaker AI ofrece capacidades para implementar operaciones de aprendizaje automático (MLOps), incluyendo despliegue de modelos, monitoreo y gobernanza.

• ¿Puedo crear y entrenar modelos utilizando frameworks populares de aprendizaje profundo con SageMaker AI?

  Sí, el SDK de Python de Amazon SageMaker AI le permite entrenar y desplegar modelos utilizando frameworks y algoritmos populares de aprendizaje profundo.

• ¿Cuáles son las características de IA responsable en SageMaker AI?

  SageMaker AI incluye características para detectar sesgos en modelos de aprendizaje automático y comprender sus explicaciones, promoviendo la transparencia y la equidad.

• ¿Cómo despliego modelos para inferencia usando SageMaker AI?

  La documentación proporciona instrucciones detalladas sobre cómo desplegar sus modelos de aprendizaje automático entrenados para inferencia dentro del entorno de SageMaker AI.

• ¿Qué es un feature store en SageMaker AI?

  Un feature store en SageMaker AI es un repositorio centralizado para crear, almacenar y compartir señales de datos extraídas (características) para modelos de aprendizaje automático.

• ¿Puedo monitorear la calidad de mis datos y modelos con SageMaker AI?

  Sí, Amazon SageMaker AI proporciona herramientas para monitorear la calidad de los datos y modelos, ayudando a garantizar el rendimiento y la fiabilidad a lo largo del tiempo.

• ¿Cómo puedo asegurar mis recursos en Amazon SageMaker AI?

  La documentación incluye guías sobre cómo configurar la seguridad para sus recursos dentro del servicio Amazon SageMaker AI.

• ¿Cuál es el propósito de la Referencia de API para SageMaker AI?

  La Referencia de API describe en detalle todas las operaciones de API para Amazon SageMaker AI, proporcionando información completa para los desarrolladores.