亚马逊使用新的内置算法和Git集成更新SageMaker

亚马逊一直在向其云计算子公司亚马逊网络服务公司（Amazon Web Services）推出专注于人工智能的功能。就在本周，Amazon Transcribe and Comprehend - AWS的自动语音识别（ASR）服务和自然语言处理服务分别获得了对实时转录和自定义实体的支持。今天，亚马逊向SageMaker宣布了一系列改进，SageMaker是用于构建，培训和部署机器学习模型的端到端平台。

“机器学习是一个高度协作的过程 - 将领域经验与技术技能相结合是成功的基石，通常需要多次迭代和不同数据集和功能的实验，”学习和人工智能（AI）总经理Matt Wood博士在亚马逊网络服务公司的一篇博文中写道。“培训一个成功的模型几乎从来就不是一个一体的，所以能够跟踪重要的决策，重播成功的部分，重用有效的部分，并获得没有的东西的帮助是很重要的。我们正在引入新功能，使这些迭代更易于管理，重复和共享。“

首先列出的是Sagemaker Search，它使AWS客户能够找到使用数据集，算法和参数的独特组合执行的AI模型训练运行。它可以从SageMaker控制台访问。

在新功能列表中加入Sagemaker Search是步骤功能，它跨多个服务协调完成机器学习工作流程所需的步骤。还新的？与Apache Airflow集成，Apache Airflow是一个用于创作，调度和监控工作流的开源框架。

Step Functions和Apache Flow将于下个月开始提供。

“[使用Step Functions，你]可以自动将数据集发布到Amazon S3，使用SageMaker训练数据的ML模型，并部署模型进行预测，”Wood博士写道。“[它会]监视SageMaker（和Glue）作业，直到它们成功或失败，并转换到工作流程的下一步或重试作业。它包括内置的错误处理，参数传递，状态管理和可视控制台，可让您在运行时监控ML工作流程。“

这些改进与添加三个新的内置算法相吻合 - 一个用于可疑IP地址（IP Insights），用于高维对象的低维嵌入（Object2Vec）和无监督分组（K-means聚类） - SageMaker和AWS'对于谷歌Tensorflow的优步开源深度学习框架Horovod的新发现支持;软件机器学习库scikit-learn;和Spark MLeap。

整体升级还包括可视化和与版本控制系统Git的集成，这有助于跟踪和协调文件中的更改。现在，开发人员可以将GitHub，AWS CodeCommit或自托管Git存储库与SageMaker笔记本链接，以便克隆公共和私有存储库，或使用IAM，LDAP和AWS Secrets Manager在Amazon SageMaker中存储存储库信息。

最后，在安全方面，SageMaker现在符合亚马逊的系统和组织控制（SOC）1级，2级和3级审核。

“这些新功能，算法和认证将有助于为更多开发人员带来更多的机器学习工作负载。通过几乎完全专注于客户的要求，我们正在通过亚马逊SageMaker在现实世界中使机器学习变得有用和可用方面取得了实际进展，“Wood博士写道。“在人工智能方面，认证，实验和自动化并不总是你能想到的第一件事，但我们的客户告诉我们，这些功能可以进一步缩短构建，培训和部署模型所需的时间。不需要研发部门。“