El CEO de AWS, Any Jassie, hizo varios anuncios nuevos relacionados con los servicios de IA y ML. AWS ha tenido un servicio de aprendizaje automático durante un tiempo y proporciona bloques de construcción de IA que los clientes pueden aprovechar para crear soluciones. El ecosistema de servicios de IA/ML de AWS se puede clasificar en dos grupos: servicios de infraestructura central y servicios gestionados. AWS ha puesto mucho más énfasis en los servicios gestionados recientemente y los anuncios de re:invent 2020 lo reflejan.
El caso de uso de IA/ML aún está emergiendo, pero creemos que estos servicios se integrarán en la funcionalidad de prácticamente todas las aplicaciones en el futuro. AWS también ha puesto a disposición varios algoritmos de ML como un servicio construido utilizando datos básicos. Las organizaciones pueden utilizar sus datos propietarios con estos servicios para diferenciarse y desarrollar aplicaciones inteligentes únicas.
Servicios de infraestructura central
AWS trainium
El nuevo conjunto de chips Trainium es el segundo conjunto de chips de aprendizaje automático (ML) para clientes anunciado por AT después del lanzamiento de Inferentia en 2019. Trainium está diseñado para proporcionar la mejor relación precio-rendimiento para el entrenamiento de modelos de ML en la nube. El chip comparte el mismo AWS Neuron SDK que AWS Inferentia.
Además de ofrecer el entrenamiento de ML más rentable, Trainium ofrecerá el mayor rendimiento con la mayor cantidad de teraflops de potencia informática para el aprendizaje automático en la nube. Además, el chip está optimizado para varias cargas de trabajo de entrenamiento de aprendizaje profundo para aplicaciones, como la clasificación de imágenes, la traducción, el reconocimiento de voz, el procesamiento del lenguaje natural, entre otras.
Servicios gestionados de aprendizaje automático
SageMaker Data Wrangler
Este nuevo servicio de AWS está diseñado para acelerar la preparación de datos para aplicaciones de aprendizaje automático e IA. Según sus desarrolladores, reduce el tiempo que lleva agregar y preparar datos para el aprendizaje automático (ML) de semanas a minutos. El servicio contiene más de 300 transformaciones de datos integradas para que uno pueda normalizar, transformar y combinar rápidamente las características sin tener que escribir ningún código. Los clientes pueden utilizar este servicio para importar e inspeccionar datos para identificar los distintos tipos, recomendar transformaciones y aplicarlos a todo el conjunto de datos.
Almacén de características de SageMaker
Amazon SageMaker Feature Store proporciona un repositorio especialmente diseñado que facilita enormemente nombrar, organizar, encontrar y compartir características de aprendizaje automático (ML) con los equipos. Proporciona un almacén unificado para las características durante el entrenamiento y la inferencia en tiempo real sin la necesidad de escribir código adicional o crear procesos manuales para mantener la coherencia de las características. Amazon SageMaker Feature Store se integra con Amazon SageMaker Pipelines para crear, agregar búsqueda y descubrimiento de características y reutilizar flujos de trabajo automatizados de aprendizaje automático. Como resultado, es fácil agregar búsqueda, descubrimiento y reutilización de características a su flujo de trabajo de ML.
Canalizaciones de Amazon SageMaker
Amazon SageMaker Pipelines es el primer servicio (CI/CD) especialmente diseñado para el aprendizaje automático (ML) que los clientes pueden aprovechar para crear, automatizar y gestionar flujos de trabajo de ML de extremo a extremo a escala. Puede automatizar diferentes pasos del flujo de trabajo de ML, incluida la carga de datos, la transformación de datos, el entrenamiento y el ajuste, y la implementación. Con SageMaker Pipelines, los diferentes equipos dentro de la organización pueden compartir y reutilizar flujos de trabajo para recrear y optimizar los modelos de ML. Las capacidades de registro de este servicio también pueden ayudar con el cumplimiento, ya que registra cada paso de su flujo de trabajo, creando un registro de auditoría de los componentes del modelo, como los datos de entrenamiento, las configuraciones de la plataforma, los parámetros del modelo y los gradientes de aprendizaje.
Gurú de Amazon DevOps
Amazon DevOps Guru es un servicio totalmente gestionado impulsado por Machine Learning (ML) que facilita la mejora del rendimiento operativo y la disponibilidad de una aplicación. El servicio facilita a los desarrolladores y operadores la mejora de la disponibilidad de las aplicaciones mediante la detección automática de problemas operativos de forma temprana y la recomendación de acciones a realizar que puedan solucionar el problema. Ingiere automáticamente los datos operativos de sus aplicaciones de AWS y proporciona un único panel para visualizar los problemas en sus datos operativos.
Amazon monitron
Amazon Monitorn es un servicio gestionado que es un sistema de extremo a extremo que utiliza el aprendizaje automático (ML) para detectar comportamientos anómalos en la maquinaria industrial. El sistema permite a un usuario implementar el mantenimiento predictivo y reducir el tiempo de inactividad no planificado.
Monitron incluye sensores para capturar datos de vibración y temperatura de los equipos. El servicio Monitron es un dispositivo de puerta de enlace para transferir de forma segura datos a AWS que analiza los datos en busca de patrones anómalos mediante el aprendizaje automático, y viene con una aplicación móvil complementaria para configurar los dispositivos y recibir informes sobre el comportamiento operativo y alertas sobre posibles fallos en su maquinaria.
Amazon Lookout for Equipment
Amazon Lookout for Equipment es un servicio de ML gestionado por AWS que proporciona a los clientes con sensores existentes en sus equipos industriales una forma de enviar sus datos de sensores a AWS para construir modelos de aprendizaje automático para ellos y devolver predicciones para detectar un comportamiento anormal de los equipos. Esto permite un mantenimiento predictivo que les permite tomar medidas antes de que se produzcan fallos en la máquina y evitar tiempos de inactividad no planificados.
Con esta herramienta automatizada de aprendizaje automático, los clientes pueden incorporar datos históricos de series temporales y datos de eventos de mantenimiento pasados generados a partir de equipos industriales que pueden tener hasta 300 etiquetas de datos de componentes como sensores y actuadores por modelo.
Amazon Lookout for Vision
Junto con Lookout for Equipment, AWS también anunció Lookout for Vision, un servicio de aprendizaje automático (ML) que ayuda a los clientes en entornos industriales a detectar defectos visuales en unidades de producción y equipos de una manera fácil y rentable. Utiliza modelos de aprendizaje profundo para reemplazar las reglas codificadas y maneja las diferencias en el ángulo de la cámara, la iluminación y otros desafíos que surgen del entorno operativo. Con Lookout for Vision, puede reducir la necesidad de entornos cuidadosamente controlados.
AWS Panorama
Durante el evento, Amazon presentó AWS Panorama, que es un dispositivo de aprendizaje automático y un kit de desarrollo de software (SDK) que permite a las organizaciones llevar la visión artificial a las cámaras locales para hacer predicciones localmente con alta precisión y baja latencia. Ahora se puede desarrollar un modelo de CV utilizando Amazon SageMaker y luego implementarlo en un dispositivo Panorama que luego puede ejecutar el modelo en transmisiones de video de múltiples redes y cámaras IP.
El dispositivo AWS Panorama es un dispositivo de hardware que le permite agregar CV a sus cámaras de protocolo de Internet (IP) que no fueron construidas para acomodar la visión artificial. Además, AWS Panorama Device SDK es un kit de software que permite a los fabricantes externos construir nuevas cámaras que ejecuten modelos de CV más significativos en el borde para tareas como la detección de objetos o el reconocimiento de actividades.
