News

Amazon Web Services presenta gli strumenti di machine learning (ML) per la data science nel cloud

All'evento AWS re:invent 2022 tenutosi a Las Vegas il 30 novembre 2022, l’azienda ha dettagliato parti della sua strategia AI/ML e ha annunciato una cospicua serie di aggiornamenti delle funzionalità e nuovi servizi per aiutare le organizzazioni a utilizzare meglio il cloud per la scienza dei dati [...]
Amazon Web Services
  1. Home
  2. News
  3. Amazon Web Services presenta gli strumenti di machine learning (ML) per la data science nel cloud

All’evento AWS re:invent 2022 tenutosi a Las Vegas il 30 novembre 2022, Amazon Web Services (AWS) ha dettagliato parti della sua strategia AI/ML e ha annunciato una cospicua serie di aggiornamenti delle funzionalità e nuovi servizi per aiutare le organizzazioni a utilizzare meglio il cloud per la scienza dei dati. I carichi di lavoro di intelligenza artificiale (AI) e machine learning (ML) possono essere eseguiti in qualsiasi numero di posizioni, tra cui on-premise, nei dispositivi perimetrali, integrati nei dispositivi e nel cloud.

La pietra angolare del portafoglio AWS AI/ML è la suite di servizi SageMaker. In un discorso di apertura ad AWS re:invent, Swami Sivasubramanian, Vicepresident database, analytics and ML di AWS, ha affermato che SageMaker consente alle organizzazioni di creare, addestrare e distribuire modelli ML praticamente per qualsiasi caso d’uso e dispone di strumenti per ogni fase dello sviluppo ML.

Il ML geospaziale per SageMaker

Un’area in cui il set di funzionalità di SageMaker viene ora migliorato è con funzionalità ML geospaziali avanzate.

Sivasubramanian ha affermato che i dati geospaziali possono essere utilizzati per un’ampia varietà di casi d’uso. Ad esempio, per aiutare a ottimizzare la resa di un raccolto agricolo, assistere nella pianificazione per lo sviluppo urbano sostenibile e per identificare una nuova posizione o regione per l’apertura di un’azienda.

“L’accesso a dati geospaziali di alta qualità per addestrare i modelli ML richiede la collaborazione con più fonti di dati e più fornitori”, ha affermato. “Questi set di dati sono in genere massicci e non strutturati, il che richiede molto tempo per la preparazione dei dati prima ancora di poter iniziare a scrivere una singola riga di codice per creare i modelli ML”.

WHITEPAPER
Come l'AI può rendere più performante ed efficace una strategia di Marketing?
CRM
Intelligenza Artificiale

Con il nuovo supporto geospaziale in SageMaker, AWS mira a rendere più facile per le organizzazioni creare e distribuire effettivamente modelli. Sivasubramanian ha affermato che il nuovo supporto consentirà agli utenti di accedere ai dati geospaziali in SageMaker da diverse fonti di dati con pochi click.

Gli strumenti di preparazione dei dati per la geospazialità sono ora integrati con SageMaker per aiutare gli utenti a elaborare e arricchire set di dati di grandi dimensioni. SageMaker ora beneficia anche di strumenti di visualizzazione integrati, che consentono agli utenti di analizzare i dati ed esplorare le previsioni del modello su una mappa interattiva utilizzando la grafica accelerata 3D.

Sivasubramanian ha aggiunto che SageMaker ora fornisce anche reti neurali preaddestrate integrate per accelerare la creazione di modelli per molti casi d’uso comuni geospaziali.

Amazon Web Services: nuove funzionalità per ML Governance

Poiché le organizzazioni stanno portando sempre più il ML in diversi processi, vi è una crescente necessità di collaborazione tra i gruppi.

La creazione delle autorizzazioni e delle regole di governance che consentono la condivisione dei modelli è un’altra area in cui Amazon Web Services sta cercando di aiutare i propri utenti con nuove funzionalità nel servizio Amazon SageMaker ML Governance. I nuovi servizi includono SageMaker Role Manager, Model Cards e Model Dashboard.

FacebookTwitterLinkedIn
FacebookTwitterLinkedIn