インフラストラクチャ ソフトウェアは、最も要求の厳しい機械学習の一部に追いつきつつあります Lyft や Intuit などの大企業の科学者、そして Amazon ドット・コムの内部 ML も引き継ぐ 発達。
AWSのアマゾン セージメーカー 機械学習を導入するためのツールのセットであるソフトウェアは、多くの企業に普及しているだけでなく、 より要求の厳しい機械学習の実践者にとって重要なツールであり、機械学習を担当する幹部の一人 と言う。
「私たちがインフラストラクチャを担当しているため、非常に洗練された実践者が SageMaker に移行しているのを目にしています。 AWS の機械学習担当バイスプレジデントである Bratin Saha 氏は次のように述べています。 エンジン。
サハと話した ZDNet AWS の年次カンファレンス re: Invent の第 3 週に行われたもので、今年はパンデミックのためバーチャルで開催されました。
SageMaker の利点は、トレーニング タスクをステージングし、さまざまなインフラストラクチャにわたって推論タスクをデプロイする方法のすべての詳細に関係しています。
2017 年に導入された SageMaker は、そのようなタスクの設定と実行にかかる多くの面倒な作業を自動化できます。
「Amazon ドットコムは 20 年以上にわたって機械学習に投資しており、彼らは SageMaker に移行しており、私たちは Amazon ドットコムでは非常に高度な機械学習が行われています」と Amazon AWS の ML およびエンジン担当バイスプレジデントである Bratin 氏は述べています。 サハ。
SageMaker は、基本的な方法を知らない人にとっては機械学習を自動化するもののように思えるかもしれませんが、サハ氏は次のように述べています。 ZDNet 経験豊富な機械学習科学者でも、プログラム開発の日常的なタスクを高速化することに価値があると考えています。
「これまで彼らがしなければならなかったのは、クラスターをスピンアップし、クラスターが適切に活用されていることを確認し、モデルがどのような状態であるかを確認することに多くの時間を費やすことでした。 導入されていますが、トラフィックが急増していますか?」とサハ氏は述べ、機械学習データによって実行する必要があった従来の導入タスクについて説明しました。 科学者。 そのワークフローは、最初のデータ収集からデータのラベル付け (ラベル付きトレーニングの場合)、モデルの改良まで拡張されます。 アーキテクチャを構築し、推論使用のためにトレーニングされたモデルをデプロイし、それらの推論モデルが存続する限り監視および維持します。 ライブを実行しています。
「今はそんなことする必要はないよ」とサハは言った。 「SageMaker は、モデルがトレーニングを開始すると課金が開始され、モデルがトレーニングを停止すると課金が終了するという意味で、サーバーレスのトレーニングを提供します。」
また： Amazon AWS、「より多くのビルダーに機械学習をもたらす」ために RedShift ML を発表
Saha 氏は次のように付け加えました。「さらに、非常に透過的な方法でスポット インスタンスと連携します。 「おい、私のスポット インスタンスが横取りされたのか、私の仕事が潰されるのか、SageMaker」と言う必要はありません。 このようにジョブを効果的にステージングすることでコストを 90% 削減できます、と Saha 氏は言います。 と主張する。
サハ氏は、Lyft や Intuit などの顧客は、独自の機械学習機能を持っているにもかかわらず、実稼働システムを合理化するためにソフトウェアを採用するケースが増えていると述べました。
「当社には、SageMaker に取り組んでいる最も洗練された顧客がいます」と Saha 氏は言います。
「Lyft を見てください。SageMaker でのトレーニングを標準化しています。トレーニング時間は数日から数時間に短縮されました」とサハ氏は言いました。 「MobileEye は SageMaker トレーニングを使用しています」と同氏はインテル内の自動運転車チップユニットについて言及した。 「Intuit はトレーニング時間を 6 か月から数日に短縮することができました。」 サハ氏によると、他の顧客にはNFL、JPモルガン・チェース、ジョージア・パシフィック航空も含まれるという。
また： Amazon AWS 分析ディレクターは、分析が組織全体にさらに広範囲に広がると見ています
同氏によると、Amazon自体も社内でのAI作業をSageMakerに移行したという。 「Amazon ドットコムは 20 年以上にわたって機械学習に投資しており、彼らは SageMaker に移行しており、私たちは Amazon ドットコムでは非常に洗練された機械学習が行われています。」 一例として、Amazon の Alexa 音声起動アプライアンスは、 SageMaker Neo、トレーニングされたモデルを、推論タスクに使用するときにモデルを最も効率的に実行する設定を備えたバイナリ プログラムにコンパイルする最適化ツールです。
SageMaker には、選択された機械学習アルゴリズムを備えた事前構築済みコンテナなど、他にも多数の部分があります。 トレーニングで使用する属性を選択できる「Feature Store」。 トレーニング データからオリジナルのモデル特徴を作成するための Data Wrangler として知られているものもあります。
AWS はツールセットを着実に追加してきました。
彼の間、 2 週間前の AWS re: Invent 基調講演, Amazon の機械学習担当副社長 Swami Sivasubramanian は、SageMaker で次のことができるようになったと発表しました。 大規模なニューラル ネットワークの部分を自動的に分割し、それらの部分を複数のネットワークに分散します。 コンピューター。 モデル並列処理として知られるこの形式の並列コンピューティングは、通常、かなりの労力を必要とします。
シバスブラマニアン氏によると、Amazon は非常に長い期間でニューラル ネットワークのトレーニング時間を 40% 削減することができました Google の Transformer 自然言語のバージョンである「T5」などの大規模な深層学習ネットワーク 処理。