A Inteligência Artificial provou sua popularidade entre os serviços líderes na área de TI. Milhões de empresas estão a utilizar modelos de aprendizagem automática para prever o futuro com base nos dados atuais. Proporciona um melhor entendimento do negócio e dá um direcionamento ao tomador de decisão e auxilia no progresso da empresa. A AWS oferece o serviço SageMaker para criar modelos de aprendizado de máquina na nuvem para obter os melhores resultados na nuvem.
Este guia explicará o processo de treinamento do modelo de machine learning no serviço Amazon SageMaker.
Como treinar modelos de ML no Amazon SageMaker?
Para treinar o modelo de aprendizado de máquina no AWS Sagemaker, basta seguir este guia fácil:
Visite o serviço S3
Antes de começar a construir um modelo de aprendizado de máquina, o usuário precisa armazenar o conjunto de dados no bucket S3. Para fazer upload de dados para a nuvem, basta visitar o “ S3 ”painel de serviço:
Verifique o intervalo S3
Visite a ' Baldes ”do console S3 e abra a cesta para fazer upload dos objetos nele:
Carregar conjunto de dados
Faça upload do conjunto de dados do sistema local para o bucket S3 na nuvem para usá-lo no treinamento de modelos de aprendizado de máquina:
Serviço Amazon SageMaker
Após fazer upload dos dados para a nuvem, basta visitar o serviço Amazon SageMaker no AWS Management Console:
Estúdio aberto
Localize o “ Estúdio ”No painel esquerdo e clique nele:
Clique no ' Estúdio aberto ”Na página do SageMaker Studio:
Solução AutoML
Demorará alguns instantes para abrir o SageMaker Studio e, uma vez aberto, basta clicar no botão “ AutoML ' botão:
Revise a introdução e clique no botão “ Criar experimento AutoML ”Botão na parte inferior da página:
Configurar experimento
Comece a configurar o experimento AutoML digitando o nome do projeto e clicando no botão “ Navegar ”Para encontrar a localização do S3:
Exportar conjunto de dados
Escolha o caminho do armazenamento do Dataset no bucket S3 e clique no botão “ Próximo: Alvo e recursos ' botão:
Selecione a coluna Destino do conjunto de dados para aplicar o modelo de ML e selecione o campo de peso amostral do conjunto de dados:
Role até o final da página para revisar os dados exportados e clique no botão “ Próximo: Método de treinamento ' botão:
Métodos de treinamento
Selecione os modelos de Machine Learning disponibilizados pela plataforma e clique no botão “ Próximo: Desenvolvimento e configurações avançadas ' botão:
Selecione o tipo de problema para o modelo de aprendizado de máquina e “ Auto ”Significa que a plataforma irá selecioná-lo automaticamente analisando os dados:
Criar experimento
Revise as configurações do modelo e clique no botão “ Criar experimento ' botão:
O status do modelo é “ Em andamento ”E levará algum tempo para treinar o modelo e adquirir o melhor modelo para os dados:
Verifique o melhor modelo
A plataforma encontrou o melhor modelo com precisão e forneceu a lista dos modelos que treinou com base nos dados:
Selecione o melhor modelo e verifique seu desempenho na seção “ Explicabilidade do modelo ' página:
O GIF a seguir explica o desempenho do modelo usando diferentes técnicas de visualização:
Trata-se de treinar modelos de aprendizado de máquina no serviço Amazon SageMaker.
Conclusão
Para treinar o modelo de machine learning no Amazon SageMaker, basta fazer upload do conjunto de dados no bucket S3 do sistema local. Depois disso, visite o painel de serviço do SageMaker e abra seu Studio no painel para começar a treinar o modelo. Escolha a opção AutoML e configure o experimento fornecendo o caminho S3 dos dados e permitindo que a plataforma escolha o modelo mais bem treinado da lista.