Machine Learning: Die neuen Features für Amazon SageMaker

Git-Integration und automatisierte Workflows mit Step Functions und Apache Airflow: Das sind die Neuerungen des Machine-Learning-Werkzeugs Amazon SageMaker.

In Pocket speichern vorlesen Druckansicht
Machine Learning: Die neuen Features für Amazon SageMaker
Lesezeit: 2 Min.
Von
  • Björn Bohn

Amazon Web Services (AWS) hat eine Reihe neuer Features für sein Machine-Learning-Werkzeug (ML) Amazon SageMaker vorgestellt. Das Tool zum Erstellen und Optimieren von Machine-Learning-Modellen erhält jetzt mit SageMaker Workflows einige Neuerungen in den Bereichen Automatisierung, Orchestrierung und Kollaboration: Unter anderem verfügt SageMaker nun über eine Integration mit Git und dem Open-Source-Framwork Apache Airflow. Darüber hinaus hat Amazon an den Bereichen Security und Compliance geschraubt.

Mit den SageMaker WorkFlows will AWS vor allem die Zusammenarbeit der Nutzer verbessern. Entwickler können jetzt mit der SageMaker Search Machine-Learning-Modelle organisieren, nachverfolgen und evaluieren. Mit der neuen Funktionen sollen relevante Modelltrainingsdaten schneller auffindbar sein. Um den Überblick über Änderungen zu behalten, verfügt SageMaker jetzt auch über eine Integration mit Git. Damit können Nutzer GitHub-, AWS-CodeCommit- oder selbst gehostete Git-Repositorys mit SageMaker Notebooks verknüpfen und klonen. Eine Review der Branches und Merges ist mit einer neuen Open-Source-Notebook-App direkt in SageMaker möglich.

Zusätzlich können Anwender jetzt Step Functions verwenden, um einen Workflow End-to-End zu automatisieren. Beispielsweise ist das automatische Publizieren von Datensets auf Amazon S3 möglich. AWS Step Functions überwacht SageMaker-Jobs bis sie durchgeführt sind oder fehlschlagen, und startet dann den Job entweder neu oder geht zum nächsten über. Step Functions verfügt außerdem über ein eingebautes Error-Handling, Parameter-Passing, State-Management und eine virtuelle Konsole.

Wer lieber mit Apache Airflow arbeitet, um seine Workflows zu steuern, kann das jetzt auch tun. Das Aufsetzen von Airflow ist mit CloudFormation möglich – den genauen Weg beschreibt ein GitHub-Repository.

Amazon hat außerdem SageMaker zu ihren SOC-Audits (System and Organizational Controls) für die Level 1, 2 und 3 hinzufügt. Den vollständigen Report des Audits stellt Amazon als PDF zur Verfügung. Eine vollständige Liste der Neuerungen findet sich im AWS-Blog.Weitere Informationen bietet die SageMaker-Website. (bbo)