Recapitulação do AWS re:Invent 2020: palestra de machine learning

Tanya Vucetic

man working on computer at a desk

 

Embora o AWS re:Invent deste ano seja totalmente virtual, a AWS nem de longe desapontou este cientista de dados. A extensa lista de novos lançamentos na pilha de machine learning da AWS certamente beneficiará todos os usuários, desde novatos até especialistas na área.

Durante a palestra de machine learning na terça-feira, Swami Sivasubramanian, vice-presidente da Amazon Machine Learning, estruturou sua mensagem em torno de três princípios que, juntos, dão aos criadores liberdade de inventar. No âmbito de cada princípio, ele anunciou os novos lançamentos de machine learning e também explicou como estes coadunam com os outros anúncios do evento, ajudando o público a tecer um quadro mais abrangente.

 

Estabelecer fundações sólidas

O primeiro princípio, "Estabelecer fundações sólidas", serviu de base para o primeiro anúncio: treinamento distribuído mais rápido com o Amazon SageMaker. Usando os processadores Habana Gaudi da Intel, a AWS em breve oferecerá instâncias EC2 criadas para treinamento de machine learning (ML), gerando um desempenho até 40% superior às atuais instâncias baseadas em GPU para treinar cargas de trabalho de aprendizado profundo. Isso ajuda a estabelecer uma fundação sólida sobre a qual os desenvolvedores poderão criar e implantar o machine learning com mais rapidez, além de reduzir os custos.

 

Criar o caminho mais curto até o sucesso

O segundo princípio, "Criar o caminho mais curto até o sucesso", deixou o público (particularmente os fãs de futebol americano, como eu) animado, pois Sivasubramanian contou como a AWS e a NFL estão colaborando para lograr simulações de jogos e jogadores que possam prever, tratar e evitar lesões nos atletas.

No espírito de criar o caminho mais curto até o sucesso em projetos críticos como esse, a AWS anunciou o Amazon SageMaker Data Wrangler. Trata-se de uma ferramenta que estou particularmente ansioso para experimentar, pois, segundo a AWS, ela pode poupar muito tempo na transformação e na descoberta de dados. Também gostei de ver que o Data Wrangler em breve se integrará com Snowflake, MongoDB e Databricks — historicamente, a AWS tem exigido bancos de dados AWS para que suas ferramentas sejam utilizadas sem problemas.

Outro poupador de tempo é o Amazon SageMaker Clarify, uma ferramenta que detecta vieses no fluxo de trabalho do ML. A detecção de viés não poupa apenas tempo — se feita corretamente, melhora a qualidade geral dos modelos, sinalizando eventuais desvios ocorridos à medida que os modelos envelhecem.

O próximo lançamento do SageMaker que planejo utilizar como ferramenta educacional é o perfilamento de modelos do Amazon SageMaker Debugger. Essa funcionalidade maximiza recursos para treinamento, GPU, CPU, rede e memória de E/S ao analisar a utilização de recursos e fazer recomendações de como ajustar. (Uau!) Também aprendemos sobre o Amazon SageMaker Edge Manager, um novo recurso que gerencia e monitora modelos de machine learning em frotas de dispositivos inteligentes com rapidez até 25 maior do que ajustá-los manualmente.

 

Expandir o machine learning a mais criadores

O terceiro princípio, "Expandir o machine learning a mais criadores", é um pilar pelo qual sou particularmente apaixonado. A AWS tentou conseguir isso lançando o Amazon Redshift ML — que estou entusiasmado para testar. É crucial poder experimentar e implantar modelos de aprendizado de máquina com mais facilidade. No entanto, sou cauteloso com a ideia de que certos especialistas não são mais necessários no processo. Selecionar, refinar e compreender profundamente o modelo é fundamental para extrair o maior valor possível do resultado dele.

Como parceira de lançamento do Redshift ML, a Rackspace Technology pode ajudar você a aproveitar ao máximo esse novo recurso:

 

"Na Rackspace Technology, ajudamos as empresas a elevar as operações de AI/ML. Estamos empolgados com o novo recurso de ML do Amazon Redshift, pois ele permitirá que nossos clientes em comum usem o ML no Redshift com uma interface SQL familiar. A integração perfeita com o Amazon SageMaker capacitará os analistas de dados a usarem os dados de novas maneiras e fornecerá ainda mais informações para a organização."

Nihar Gupta
Gerente Geral de Soluções de Dados, Rackspace Technology

 

A AWS continua pavimentando o caminho para o desenvolvimento e a implantação simplificados. Estou feliz em ver o número crescente de recursos em todas as plataformas. Como consultor de Ciência de Dados, interajo constantemente com diferentes frameworks e infraestruturas. A AWS é a minha solução ideal para o desenvolvimento de modelos e, à medida que os sistemas ficam mais compatíveis, mais posso me concentrar no refinamento dos modelos. 

O re:Invent deste ano é um evento de três semanas, todo virtual e gratuito. Para assistir ao evento ao vivo ou ver as gravações, cadastre-se aqui. E não esqueça de visitar o estande virtual da Rackspace Technology para conhecer nossas novas soluções da AWS e desfrutar de uma experiência interativa imersiva.

 

Obtenha ajuda em qualquer estágio de sua jornada na nuvem