Llegamos a ustedes gracias a:



Noticias

AWS introduce nuevos servicios de aprendizaje de máquina

[30/11/2018] Amazon ha revelado una gran cantidad de nuevos servicios de aprendizaje de máquinas para AWS. Las nuevas ofertas incluyen servicios de IA para desarrolladores, modelos y algoritmos para Amazon SageMaker, servicios de etiquetado automático de datos y servicios de aprendizaje de refuerzo, y versiones optimizadas AWS de TensorFlow y otras bibliotecas de aprendizaje de máquinas familiares.

La nueva oferta TensorFlow optimizada por AWS, ahora disponible de forma general, permite escalar y equilibrar automáticamente los trabajos TensorFlow en varios nodos EC2 alimentados por la GPU. Amazon afirma que sus mejoras en el escalado de TensorFlow aumentan la eficiencia operativa en docenas de GPUs, lo que proporciona una formación de modelos más rápida que la configuración manual de TensorFlow.

Otra nueva oferta de AWS acelera el servicio de inferencias, o predicciones, a partir de modelos generados a escala. Amazon Elastic Inference toma modelos de "todos los frameworks populares" (TensorFlow, Apache MXNet, etc.) y los utiliza para hacer predicciones, pero lo hace desde una instancia EC2 relativamente modesta con un rendimiento de GPU que puede ser marcado hacia arriba o hacia abajo según sea necesario. El cliente solo paga por la GPU utilizada. La idea es limitar los costos de la GPU a lo estrictamente necesario, en lugar de sobre aprovisionar la instancia EC2 con una GPU dedicada que, en su mayoría, no se utilizará.

Otras nuevas ofertas son las adiciones a Amazon SageMaker, un servicio gestionado por AWS que gestiona los flujos de trabajo de aprendizaje de la máquina.

Muchos modelos de aprendizaje automático necesitan datos que hayan sido etiquetados o preclasificados. Desafortunadamente, los datos de etiquetado son un trabajo que a menudo lleva mucho tiempo, porque generalmente tiene que hacerse a mano. Amazon SageMaker Ground Truth aprende las etiquetas de un conjunto de datos en tiempo real a medida que son aplicadas por los humanos. Una vez entrenado en un subconjunto de los datos, puede ser utilizado para aplicar etiquetas automáticamente.

Otro desafío de aprendizaje automático que Amazon está abordando en SageMaker se relaciona con los sistemas de aprendizaje de refuerzo, en los que el modelo se refina continuamente sobre la base de la retroalimentación del mundo real. Amazon SageMaker RL permite a los desarrolladores "construir, entrenar e implementar con aprendizaje de refuerzo a través de algoritmos de aprendizaje de refuerzo gestionados", incluidos muchos de los ingredientes comunes necesarios para una pila de aprendizaje de refuerzo.

Otra nueva oferta de Amazon SageMaker, SageMaker Neo, optimiza los modelos de aprendizaje de máquinas para que funcionen más rápido y utilicen menos recursos. Es similar a cómo se despliegan los modelos TensorFlow en hardware de gama baja. En este momento, SageMaker Neo se limita a implementar modelos en "instancias de Amazon EC2, puntos finales de Amazon SageMaker y dispositivos administrados por AWS IoT Greengrass".

Los modelos de aprendizaje de máquinas pre empaquetados para tareas empresariales comunes -previsión de la demanda, preparación de datos, procesamiento de lenguaje natural- ahora pueden adquirirse en AWS Marketplace e implementarse en Amazon SageMaker.

Por último, Amazon presentó una serie de nuevos servicios de IA que permiten a los desarrolladores añadir inteligencia a sus aplicaciones. Amazon Textract utiliza el aprendizaje automático para extraer datos de documentos o formularios. Amazon Comprehend Medical aplica el procesamiento en lenguaje natural a los documentos médicos. Amazon Personalize es un servicio de personalización y recomendación en tiempo real. Y Amazon Forecast es un servicio que genera modelos personalizados de aprendizaje de máquinas a partir de datos históricos para crear pronósticos de series temporales.