當今，人工智能成為全球最火的一個新興行業，而機器學習則是其重中之重。隨著越來越多的開發者使用機器學習，開發者在使用機器學習和快速應用機器學習模型時遇到不少障礙，為了解決這些難題亞馬遜的AWS網絡服務公司開發了SageMaker。據悉，這項新服務可以為開發者和數據科學家提供一個框架，來管理機器學習模型的進程。就在本週，亞馬遜宣佈了SageMaker的一系列改進方案，Amazon Transcribe and Comprehend AWS的自動語音識別（ASR）服務和自然語言處理服務分別獲得了對實時轉錄和自定義實體的支持。
SageMaker的靈活性在於可以讓開發者自己建模的同時，不用過多的考慮資源問題，但是有可能會面臨重複建模的情況。新功能的加入就是為了有效管理重複和共享的模型。
Sagemaker Search這種功能可以從SageMaker控制檯直接訪問，該功能使AWS用戶更容易找到數據集，算法和參數獨特的AI模型進行訓練運行。Sagemaker Search還與Apache Airflow這種允許工作流開發人員輕鬆創建、維護和週期性地調度運行工作流（即有向無環圖或成為DAGs）的工具集成。
而Step Functions和Apache Flow功能將於下個月開始提供。
Step Functions的功能包括內置的錯誤處理，參數傳遞，狀態管理和可視控制檯，可讓用戶在運行時監控ML工作流程。該功能還可以自動將數據集發佈到Amazon S3，在用戶使用SageMaker訓練數據的ML模型時，Step Functions會在後臺監視SageMaker（和Glue）的作業直到完成，並轉換到工作流程的下一步或重試作業。
整體升級還包括可視化和版本控制系統Git的集成，這有助於追蹤和調用已更新的文件。開發人員可以將GitHub，AWS CodeCommit或Git存儲庫與SageMaker筆記本相連，以便直接調用公共數據庫，或使用IAM，LDAP和AWS Secrets Manager在Amazon SageMaker中存儲數據庫信息。
目前SageMaker已經加入亞馬遜和組織控制（SOC）1級，2級和3級審核安全系統。
這些新功能，算法和認證將有助於減輕開發人員在為機器學習建模時的負擔。亞馬遜正通過SageMaker使機器學習變得輕鬆，有效。
本文地址：
https://www.xinfengtv.com/11222-git-sagemaker.html
新風網文章都系原創作品，已加入百度及騰訊原創保護計劃，未經授權請勿轉載!！
