Fazit AWS re:Invent 2020: Keynote Machine Learning

Tanya Vucetic

man working on computer at a desk

 

Obwohl die diesjährige Ausgabe von AWS re:Invent vollständig virtuell stattfindet, hat AWS zumindest diesen Datenwissenschaftler in keinster Weise enttäuscht. Von Anfängern bis hin zu Experten in diesem Fachgebiet können sämtliche Benutzer von den zahlreichen neuen Releases im Machine-Learning-Stack von AWS profitieren.

Die Botschaft seiner Keynote zu Machine Learning strukturierte Swami Sivasubramanian, VP von Amazon Machine Learning, am Dienstag auf Grundlage von drei Grundsätzen, aus deren Kombination sich viele Freiräume für den Einfallsreichtum von Entwicklern ergeben. Zu jedem Grundsatz verkündete er neue Releases für Machine Learning und erklärte zudem, wie sie zusammen mit den weiteren Ankündigungen im Rahmen der Veranstaltung das Publikum dabei unterstützen, sich einen Gesamtüberblick zu verschaffen.

 

Solide Grundvoraussetzungen

Der erste Grundsatz „Solide Grundvoraussetzungen“ bildete die Grundlage für die erste Ankündigung: schnellere dezentrale Schulungen mit Amazon SageMaker. Demnächst bietet AWS für Schulungen zu Machine Learning (ML) konzipierte EC2-Instanzen mit Habana-Gaudi-Prozessoren von Intel an, die im Vergleich zu aktuellen, GPU-basierten EC2-ML-Schulungsinstanzen bei Schulungen zu Deep-Learning-Workloads eine Performance-Steigerung von bis zu 40 % bieten. So lassen sich solide Grundvoraussetzungen schaffen, damit Entwickler Machine Learning schneller entwickeln und nutzen können, während die Kosten gleichzeitig sinken.

 

Auf dem kürzesten Weg zum Erfolg

Der zweite Grundsatz „Auf dem kürzesten Weg zum Erfolg“ wurde vom Publikum (insbesondere von Fußballfans wie mir) begeistert aufgenommen: Sivasubramanian erläuterte die Zusammenarbeit von AWS und NFL zur Konzeption von Spiel- und Spieler-Simulationen, mit denen sich Verletzungen von Spielern vorhersagen, behandeln und letztlich vermeiden lassen.

Zur Konzeption des kürzesten Weges zum Erfolg kritischer Projekte, wie das obengenannte Projekt, kündigte AWS Amazon SageMaker Data Wrangler an. Ich bin sehr gespannt darauf, mit diesem Tool zu experimentieren, da man damit laut AWS eine Menge Zeit bei der Datentransformation und Entdeckung sparen kann. Außerdem freue ich mich, dass sich Data Wrangler bald in Snowflake, MongoDB und Databricks integrieren lässt, denn bislang benötigte man AWS-Datenbanken, um Tools von AWS reibungslos nutzen zu können.

Ebenfalls viel Zeit sparen kann man mit Amazon SageMaker Clarify, dem Bias-Erkennungstool von Amazon für den gesamten ML-Arbeitsablauf. Bias-Erkennung spart aber nicht nur Zeit, sondern verbessert auch die gesamte Modellqualität und zeigt sämtliche Abweichungen an, die bei der Alterung von Modellen auftreten können – sofern man es richtig anstellt.

Die nächste SageMaker-Release, deren Nutzung ich als Schulungswerkzeug plane, ist die Modellprofilierung für Amazon SageMaker Debugger. Diese Funktion analysiert die Ressourcenverwendung, empfiehlt anschließend Anpassungsmaßnahmen und maximiert so Ressourcen für Schulung, GPU, CPU, Netzwerk und I/O-Speicher. (Wow!) Wir haben auch einiges über Amazon SageMaker Edge Manager erfahren – eine neue Funktion, die Modelle für Machine Learning über Flotten smarter Geräte bis zu 25 Mal schneller im Vergleich zu solchen Modellen verwaltet und überwacht, die von Hand abgestimmt werden.

 

Machine Learning für mehr Entwickler

Der dritte Grundsatz „Machine Learning für mehr Entwickler“ ist ein Prinzip, das mir besonders am Herzen liegt. AWS versucht, dieses Ziel über das Release von Amazon Redshift ML zu erreichen, auf dessen Test ich mich sehr freue. Es ist enorm wichtig, unkomplizierter mit Modellen für Machine Learning experimentieren und diese bereitstellen zu können. Ich bin aber etwas skeptisch im Hinblick auf die Andeutung, dass bestimmte Experten in diesem Verfahren nicht mehr benötigt werden. Die Auswahl, die präzise Abstimmung und das tiefe Verständnis eines Modells bilden die Grundlage, um aus dem Ergebnis den größtmöglichen Wert zu ziehen.

Als Launch-Partner für Redshift ML kann Rackspace Technology Sie dabei unterstützen, optimal von dieser neuen Funktion zu profitieren:

 

„Bei Rackspace Technology helfen wir Unternehmen dabei, ihre KI-/ML-Operationen zu verbessern. Wir sind begeistert von der neuen Funktion Amazon Redshift ML, da es unseren gemeinsamen Redshift-Kunden erleichtert, ML in ihrem Redshift mit vertrauter SQL-Schnittstelle zu verwenden. Die nahtlose Integration mit Amazon SageMaker eröffnet Datenanalysten neuartige Nutzungsmöglichkeiten von Daten, aus denen sich noch umfassendere Insights für die gesamte Organisation ableiten lassen.“

Nihar Gupta
General Manager für Data Solutions, Rackspace Technology

 

AWS bereitet weiter den Weg für optimierte Entwicklung und Bereitstellung. Ich bin begeistert davon, eine immer höhere Anzahl an Funktionen plattformübergreifend zu sehen. Als Berater für Data Science interagiere ich kontinuierlich mit unterschiedlichen Frameworks und Infrastrukturen. AWS ist meine bevorzugte Lösung für die Modellentwicklung, und da Systeme immer kompatibler werden, kann ich mich mehr auf die Modellverfeinerung konzentrieren. 

Dieses Jahr ist re:Invent ein dreiwöchiges Event – vollständig virtuell und kostenlos. Sie können das Event live verfolgen oder Aufzeichnungen ansehen, wenn Sie sich hier registrieren. Besuchen Sie auch den virtuellen Messestand von Rackspace Technology, um sich detaillierter über unsere neuen AWS-Lösungen zu informieren und ein eindrucksvolles interaktives Erlebnis zu genießen.

 

Hilfe erhalten Sie in jeder Phase Ihrer Cloud-Nutzung