La Inteligencia Artificial ha demostrado su popularidad entre los servicios líderes en el ámbito de TI. Millones de empresas están utilizando modelos de aprendizaje automático para predecir el futuro basándose en los datos actuales. Proporciona una mejor comprensión del negocio, le da una ventaja a quien toma las decisiones y ayuda a hacer avanzar la empresa. AWS ofrece el servicio SageMaker para crear modelos de aprendizaje automático en la nube para obtener los mejores resultados en la nube.
Esta guía explicará el proceso de entrenamiento del modelo de aprendizaje automático en el servicio Amazon SageMaker.
¿Cómo entrenar modelos de aprendizaje automático en Amazon SageMaker?
Para entrenar el modelo de aprendizaje automático en AWS Sagemaker, simplemente siga esta sencilla guía:
Visita el servicio S3
Antes de comenzar a construir un modelo de aprendizaje automático, el usuario debe almacenar el conjunto de datos en el depósito de S3. Para cargar datos a la nube, simplemente visite el ' T3 ”panel de servicio:
Comprobar el depósito S3
Visita el ' cubos ”tablero de la consola S3 y abra la cesta para cargar los objetos que contiene:
Cargar conjunto de datos
Cargue el conjunto de datos del sistema local al depósito S3 en la nube para usarlo para entrenar modelos de aprendizaje automático:
Servicio Amazon SageMaker
Después de cargar los datos en la nube, simplemente visite el servicio Amazon SageMaker desde la Consola de administración de AWS:
Estudio abierto
Ubique el “ Estudio ”del panel izquierdo y haga clic en él:
Clickea en el ' Estudio abierto 'Botón de la página de SageMaker Studio:
Solución AutoML
Tomará unos momentos abrir SageMaker Studio y una vez abierto, simplemente haga clic en ' AutoML ' botón:
Revise la introducción y haga clic en “ Crear experimento de AutoML Botón 'desde la parte inferior de la página:
Configurar experimento
Comience a configurar el experimento de AutoML escribiendo el nombre del proyecto y haciendo clic en ' Navegar Botón ”para encontrar la ubicación de S3:
Exportar conjunto de datos
Elija la ruta del almacén del conjunto de datos en el depósito S3 y haga clic en ' Siguiente: Objetivo y características ' botón:
Seleccione la columna Objetivo del conjunto de datos para aplicar el modelo ML y seleccione el campo de peso de muestra del conjunto de datos:
Desplácese hasta el final de la página para revisar los datos exportados y haga clic en ' Siguiente: Método de entrenamiento ' botón:
Métodos de entrenamiento
Seleccione los modelos de Machine Learning proporcionados por la plataforma y haga clic en “ Siguiente: Desarrollo y configuración avanzada ' botón:
Seleccione el tipo de problema para el modelo de aprendizaje automático y ' Auto ” significa que la plataforma lo seleccionará automáticamente analizando los datos:
Crear experimento
Revise las configuraciones del modelo y haga clic en el botón “ Crear experimento ' botón:
El estado del modelo es “ En curso ”y llevará tiempo entrenar el modelo y adquirir el mejor modelo para los datos:
Verifique el mejor modelo
La plataforma encontró el mejor modelo con precisión y proporcionó la lista de los modelos que entrenó a partir de los datos:
Selecciona el mejor modelo y comprueba su rendimiento desde el menú “ Explicabilidad del modelo ' página:
El siguiente GIF explica el rendimiento del modelo utilizando diferentes técnicas de visualización:
Se trata de entrenar modelos de aprendizaje automático en el servicio Amazon SageMaker.
Conclusión
Para entrenar el modelo de aprendizaje automático en Amazon SageMaker, simplemente cargue el conjunto de datos en el depósito S3 desde el sistema local. Después de eso, visite el panel del servicio SageMaker y abra Studio desde el panel para comenzar a entrenar el modelo. Elija la opción AutoML y configure el experimento proporcionando la ruta S3 de los datos y permitiendo que la plataforma elija el modelo mejor entrenado de la lista.