La intel·ligència artificial ha demostrat la seva popularitat entre els serveis líders en el domini informàtic. Milions d'empreses estan utilitzant models d'aprenentatge automàtic per predir el futur a partir de les dades actuals. Proporciona una millor comprensió del negoci i dóna una visió frontal a qui pren decisions i ajuda a fer progressar l'empresa. AWS ofereix el servei SageMaker per crear models d'aprenentatge automàtic al núvol per obtenir els millors resultats al núvol.
Aquesta guia explicarà el procés d'entrenament del model d'aprenentatge automàtic al servei Amazon SageMaker.
Com entrenar models ML a Amazon SageMaker?
Per entrenar el model d'aprenentatge automàtic a AWS Sagemaker, només cal que seguiu aquesta senzilla guia:
Visiteu el Servei S3
Abans de començar a crear un model d'aprenentatge automàtic, l'usuari ha d'emmagatzemar el conjunt de dades al cub S3. Per carregar dades al núvol, només cal que visiteu el ' S3 ” tauler de servei:
Comproveu S3 Bucket
Visiteu el ' Cubells ” des de la consola S3 i obriu la cistella per carregar-hi els objectes:
Carrega el conjunt de dades
Pengeu el conjunt de dades del sistema local al cub S3 al núvol per utilitzar-lo per entrenar models d'aprenentatge automàtic:
Servei Amazon SageMaker
Després de carregar les dades al núvol, només cal que visiteu el servei Amazon SageMaker des de la Consola de gestió d'AWS:
Estudi obert
Localitza el ' Estudi ” del panell esquerre i feu-hi clic:
Feu clic a ' Estudi obert ” de la pàgina de SageMaker Studio:
Solució AutoML
Trigarà uns instants a obrir SageMaker Studio i, un cop obert, només cal que feu clic a ' AutoML botó ”:
Reviseu la introducció i feu clic a ' Creeu un experiment d'AutoML ” botó de la part inferior de la pàgina:
Configura l'experiment
Comenceu a configurar l'experiment AutoML escrivint el nom del projecte i fent clic a ' Navega 'botó per trobar la ubicació de l'S3:
Exporta el conjunt de dades
Trieu el camí del magatzem del conjunt de dades al bucket S3 i feu clic a ' Següent: Objectiu i característiques botó ”:
Seleccioneu la columna Objectiu del conjunt de dades per aplicar-hi el model ML i seleccioneu el camp de pes de mostra del conjunt de dades:
Desplaceu-vos cap avall fins a la part inferior de la pàgina per revisar les dades exportades i feu clic a ' Següent: Mètode d'entrenament botó ”:
Mètodes d'entrenament
Seleccioneu els models d'aprenentatge automàtic proporcionats per la plataforma i feu clic a ' Següent: Desenvolupament i configuració avançada botó ”:
Seleccioneu el tipus de problema per al model d'aprenentatge automàtic i ' Automàtic ” significa que la plataforma el seleccionarà automàticament mitjançant l'anàlisi de les dades:
Crea un experiment
Reviseu les configuracions del model i feu clic a ' Crea experiment botó ”:
L'estat del model és ' En progrés ” i trigarà temps entrenar el model i adquirir el millor model per a les dades:
Comproveu el millor model
La plataforma ha trobat el millor model amb precisió i ha proporcionat la llista dels models que ha entrenat sobre les dades:
Seleccioneu el millor model i comproveu-ne el rendiment des del ' Explicabilitat del model ” pàgina:
El següent GIF explica el rendiment del model mitjançant diferents tècniques de visualització:
Això es tracta d'entrenar models d'aprenentatge automàtic al servei Amazon SageMaker.
Conclusió
Per entrenar el model d'aprenentatge automàtic a Amazon SageMaker, només cal que carregueu el conjunt de dades al bucket S3 des del sistema local. Després d'això, visiteu el tauler del servei SageMaker i obriu el seu Studio des del tauler per començar a entrenar el model. Trieu l'opció AutoML i configureu l'experiment proporcionant la ruta S3 de les dades i permetent a la plataforma triar el model millor entrenat de la llista.