Resumen de AWS re:Invent 2020: Presentación sobre machine learning

Tanya Vucetic

man working on computer at a desk

 

Si bien el evento AWS re:Invent de este año es completamente virtual, AWS no ha decepcionado a este científico de datos en lo más mínimo. La larga lista de nuevos lanzamientos en la pila de machine learning de AWS sin duda beneficiará a todos los usuarios, desde novatos hasta expertos en el campo.

Durante la presentación de machine learning del martes, Swami Sivasubramanian, VP de Machine Learning de Amazon, diseñó su mensaje en torno a tres principios, que, juntos, le dan a los desarrolladores libertad para inventar. De conformidad con cada principio, anunció nuevos lanzamientos para machine learning, al tiempo que explicó cómo se corresponden con los demás anuncios del evento, y ayudó al público a comprender el panorama global.

 

Proveer bases firmes

El primer principio, "Proveer bases firmes", fue el fundamento del primer anuncio: capacitación distribuida más rápida con Amazon SageMaker. Con los procesadores de Habana Gaudi, de Intel, AWS pronto ofrecerá instancias de EC2 desarrolladas para la capacitación en machine learning (ML), lo que producirá un incremento en el rendimiento de hasta el 40 % sobre las instancias actuales de capacitación en ML de EC2 basadas en GPU para la capacitación en cargas de trabajo de aprendizaje profundo. Esto ayuda a proveer una base firme sobre la que los desarrolladores pueden diseñar e implementar machine learning de manera más rápida, al tiempo que reducen los costos.

 

Crear el camino más corto hacia el éxito

El segundo principio, "Crear el camino más corto al éxito", entusiasmó a la audiencia (en particular, a los fanáticos del fútbol americano como yo), ya que Sivasubramanian compartió cómo AWS y la NFL colaboran para lograr un modelo de simulación de juego y jugador que pueda predecir, tratar y, en última instancia, evitar las lesiones de los jugadores.

Con el objetivo de crear el camino más corto hacia el éxito para proyectos críticos como este, AWS anunció Amazon SageMaker Data Wrangler. En particular, probar esta herramienta me genera mucha ansiedad, ya que AWS sugiere que ahorra mucho tiempo en la transformación y la detección de datos. También me complace ver que Data Wrangler pronto se integrará con Snowflake, MongoDB y Databricks. Tradicionalmente, AWS necesitaba bases de datos de AWS para aprovechar sin problemas sus herramientas.

Otra solución que ahorra tiempo es Amazon SageMaker Clarify, la herramienta de detección de sesgos de Amazon en todo el flujo de trabajo del ML. La detección de sesgos no solo ahorra tiempo, sino que si se hace bien, mejora la calidad del modelo en general y marca cualquier desviación que pueda tener lugar a medida que van quedando antiguos los modelos.

El próximo lanzamiento de SageMaker que tengo pensado usar como herramienta educativa es el análisis de modelos para Amazon SageMaker Debugger. Esta capacidad maximiza los recursos en torno a capacitación, GPU, CPU, red y memoria de E/S, al analizar el uso de recursos y luego hacer recomendaciones para adaptarse. (¡Guau!) También aprendimos acerca de Amazon SageMaker Edge Manager, una nueva función que administra y monitorea los modelos de machine learning entre las flotas de dispositivos inteligentes hasta 25 veces más rápido en comparación con los modelos de ajuste manual.

 

Expandir el machine learning a más desarrolladores

El tercer principio, "Expandir el machine learning a más desarrolladores", es un principio que, en particular, me apasiona. AWS ha intentado lograr esto al lanzar Amazon Redshift ML y me entusiasma probarlo. Es fundamental poder experimentar más fácilmente e implementar modelos de machine learning; sin embargo, desconfío de la sugerencia de que ya no se requieren ciertos expertos en el proceso. Seleccionar, refinar y comprender a fondo un modelo es fundamental para sacar el mayor valor posible del producto.

Como socio en el lanzamiento de Redshift ML, Rackspace Technology puede ayudarlo a aprovechar al máximo esta nueva función:

 

"En Rackspace Technology ayudamos a las empresas a elevar sus operaciones de AI/ML. Nos entusiasma la nueva función Amazon Redshift ML porque hace que para nuestros clientes de Redshift mutuos sea más fácil usar ML en su Redshift con una interfaz de SQL familiar. La perfecta integración con Amazon SageMaker permitirá a los analistas de datos utilizar datos de nuevas maneras y proporcionar una mayor comprensión en torno a la organización en general".

Nihar Gupta
Gerente general de Soluciones de Datos de Rackspace Technology

 

AWS continúa allanando el camino para simplificar el desarrollo y la implementación. Me entusiasma ver el creciente número de capacidades en las plataformas. Como consultor de Ciencia de Datos, interactúo todo el tiempo con infraestructuras diferentes. AWS es la solución a la que recurro para desarrollar modelos y, como los sistemas son cada vez más compatibles, me puedo enfocar más en el refinamiento del modelo. 

Este año re:Invent es un evento de tres semanas, completamente virtual y gratuito. Para ver el evento en vivo o las grabaciones, inscríbase aquí y no se olvide de visitar la cabina virtual de Rackspace Technology para obtener más información acerca de nuestras nuevas soluciones de AWS y disfrutar de una experiencia interactiva e inmersiva.

 

Obtenga ayuda en cualquier etapa de su recorrido hacia la nube