AWS re: Invent 2020 Keynotes - التعلم الآلي

الأسبوع الثاني من AWS re: بدأ Invent. ومرة أخرى ، هناك العديد من الميزات والتحسينات الجديدة ، الآن في مجال التعلم الآلي. أهمها في مراجعتنا. اليوم ستتم مناقشتها بنشاط في تدفق نشل باللغة الروسية بواسطة خبراء AWS الذين لعبوا بالفعل شيئًا ما ويشاركون الآن انطباعاتهم عن المنتجات الجديدة. رابط النشل موجود في نهاية المقال.







تدريب موزع على Amazon SageMaker



يجعل Amazon SageMaker من الأسهل والأسرع تدريب النماذج الكبيرة ومعالجة كميات كبيرة من البيانات. يتيح التدريب الموزع الجديد على منتج Amazon SageMaker التدريب الموزع ويدعم البيانات وتوازي النموذج. هذا يتطلب الحد الأدنى من التغييرات في التعليمات البرمجية. الآن يمكنك بسهولة تقسيم البيانات إلى أجزاء والتدريب على وحدات معالجة الرسومات المختلفة. يمكنك أيضًا تقسيم النموذج نفسه بحيث يتم استخدام وحدات معالجة رسومات متعددة للتدريب. هذا مفيد للنماذج الكبيرة حيث لا تكفي وحدة معالجة الرسومات وحدها.







مزيد من التفاصيل هنا



توضيح Amazon SageMaker



غالبًا ما تكون نماذج التعلم الآلي عبارة عن صندوق أسود. من الصعب أن نفهم لماذا أنتج النموذج هذه النتيجة أو تلك. يساعدك Amazon SageMaker Clarify على فهم كيفية عمل النماذج والعوامل التي أثرت في كل نتيجة. هذا مهم بشكل خاص لنماذج التدقيق.



بالإضافة إلى ذلك ، قد لا تكون البيانات متوازنة. البيانات التاريخية التي يتم تدريب نماذج ML على أساسها غير كاملة وغالبًا ما تكون متحيزة. على سبيل المثال ، إذا كان الأشخاص الأوائل في سن معينة قد حصلوا على القليل من الرهون العقارية ، فإن نموذجًا مدربًا على هذه البيانات قد يرفض الرهون العقارية للأشخاص في هذا العمر في المستقبل. الأمر الذي سيعزز فقط التحيز. يتيح لك Amazon SageMaker Clarify تحديد هذه الأنواع من الاختلالات والتحيز في بياناتك. هذا يجعل النماذج تعمل بشكل أفضل للجميع.







مزيد من التفاصيل هنا



مصحح أخطاء Amazon SageMaker



Amazon SageMaker Debugger هي أداة سهلة الاستخدام لتصحيح الأخطاء والنماذج ، وجمع بيانات التدريب وتحليلها ، وإنشاء التقارير ، وتصور المقاييس. تلقى SageMaker Debugger العديد من التحديثات هذا العام ، بالإضافة إلى واجهة مستخدم أعيد تصميمها بالكامل.







التفاصيل هنا



Amazon SageMaker JumpStart



يتيح لك Amazon SageMaker JumpStart النشر السريع لحل جاهز أو نموذج ML. يتوفر بالفعل 15 حلًا لمهام مثل التعرف على خط اليد والتنبؤ بالطلب والاحتيال واكتشاف المستخدم الضار وغير ذلك الكثير. بالإضافة إلى ذلك ، يسمح لك SageMaker JumpStart بنشر واحد من 150 نموذجًا من نماذج ML مفتوحة المصدر من TensorFlow Hub و PyTorch Hub ببضع نقرات.







التفاصيل هنا



Amazon SageMaker Edge Manager



مجموعة أدوات (MLOps) لتحويل أجهزتك الذكية إلى أجهزة ذكية متطورة يمكنها تشغيل النماذج المدربة على السحابة ، وجمع القياس عن بُعد ، وإرسال عينات البيانات مرة أخرى إلى السحابة لإعادة التدريب. يمكن أن يساعدك Amazon SageMaker Edge Manager أيضًا في مراقبة حالة مجموعة أجهزتك وتحديث النماذج المحسّنة باستخدام SageMaker Neo.



عامل SageMaker Edge هو وقت تشغيل صغير مستضاف على جهاز يمكنه تشغيل النماذج ، وجمع القياس عن بعد ، وإرسال عينات البيانات مرة أخرى إلى السحابة.

SageMaker Neo هي أداة تعمل على تحسين النماذج الخاصة بك للأجهزة منخفضة الطاقة المضمنة بالفعل في وقت تشغيل الوكيل.



تساعدك لوحات معلومات SageMaker Edge على مراقبة صحة أجهزتك عن طريق الانجراف النماذج.







مزيد من التفاصيل هنا



أمازون Redshift ML



يمكنك الآن تدريب النماذج والقيام بالاستدلال مباشرة في استعلامات SQL إلى Redshift ، وذلك بفضل التكامل مع SageMaker AutoPilot ، والذي سيعمل على إعداد البيانات وتحديد الخوارزمية الأكثر ملاءمة. ويمكن إجراء جميع التوقعات الإضافية بالفعل باستخدام موارد مجموعة RedShift دون تفريغ البيانات منها.



هذا يسهل على المطور أو المحلل العمل مع البيانات ويزيل خطوات مثل تحميل البيانات إلى التخزين المرحلي ، وبدء عملية التدريب ، واستضافة النموذج ، وعملية التنبؤ.







المزيد من التفاصيل



أمازون نبتون ML



Amazon Neptune ML هي ميزة جديدة لقواعد البيانات المدارة القائمة على الرسم البياني - Amazon Neptune. تم إنشاؤها باستخدام مكتبة الرسم البياني العميق ، ويمكنها تحسين الدقة بنسبة تصل إلى 50٪ مقارنة بالمكتبات والخوارزميات الأخرى التي لا تتخصص في مصادر بيانات الرسم البياني.



يمكن لـ Amazon Neptune ML التنبؤ بكل من العقد المفقودة (عقدة التصنيف) والحافة (انحدار الوزن).







أمازون لوك أوت للقياسات



خدمة جديدة تكتشف تلقائيًا الانحرافات في مقاييس عملك دون الحاجة إلى أي مهارات تطوير أو تعلم آلي. يمكن للخدمة الاتصال بمصادر البيانات مثل Salesforce و Marketo و Google Analytics و Slack و Zendesk وغيرها الكثير.



يمكن استخدامه لمراقبة الحالات الشاذة وتحديد موقعها وتنبيهها ، كما أنه قادر على إظهار السبب المحتمل للشذوذ في البيانات مثل مشاهدات صفحات الويب ، ومعدل تضاؤل ​​العملاء ، والمستخدمين النشطين يوميًا (DAU) ، والمعاملات ، وتثبيتات تطبيقات الهاتف المحمول وغيرها الكثير. ...



حصل Plarix بالفعل على حق الوصول إلى المعاينة واختبر هذه الخدمة لتحليل بياناتها.



"لقد جربنا بيانات اكتساب المستخدمين الخاصة بنا لفهم كيفية عمل الخدمة وتمكنت من تحديد الحالات الشاذة وتجميعها بسرعة لتمكيننا من العمل بشكل أسرع وأفضل" - ميخائيل أرتيوجين ، كبير مسؤولي التكنولوجيا في Playrix.







مزيد من التفاصيل هنا



جلسة Twitch باللغة الروسية



اليوم سيحدث تيار نشل اللغة الروسية التالي ، الآن على المستجدات في مجال التعلم الآلي. نذكرك بأن عمليات البث تحدث في الأيام الرئيسية لـ AWS re: Invent. يتم إعداد التدفقات وإجرائها بواسطة مهندسي حلول AWS الرائدين ، الذين يختارون الأكثر إثارة للاهتمام والإفادة من الأخبار والإعلانات الخاصة بالمؤتمر متعدد الساعات. بالنسبة لأولئك الذين لم يتصلوا بعد - رابط التسجيل .



المزيد عن الموضوع:

AWS re: Invent. الإعلانات الرئيسية لليوم الأول (الجزء 1) من

AWS re: Invent. الإعلانات الرئيسية في اليوم الأول (الجزء الثاني)



All Articles