Im Test: SageMaker für Machine Learning in der Cloud

Inhaltsverzeichnis

Data Scientists investieren während Machine-Learning-Projekten viel Zeit in das Aufbereiten von Daten, das Entwickeln von Modellen und das schlussendliche Bereitstellen des Modells als Service. Mit MLOps und dem Erstellen von Datenpipelines lassen sich diese Prozesse effizienter und produktiver gestalten. Entwickler können fertige Pipelines durch das Austauschen verschiedener Komponenten unkompliziert für neue Projekte anpassen. Mittlerweile finden sich viele Plattformen und Cloud-Services für MLOps. Dieser Artikel stellt AWS SageMaker Pipelines anhand eines Praxisbeispiels vor.

Als Beispiel dient eine Pipeline für einen Service, der Vorhersagen darüber treffen soll, ob eine Bank einen Kreditantrag akzeptiert oder nicht. Die für das Modelltraining benötigten Daten liegen dabei in der Regel als Tabelle vor. In jeder Zeile sind Informationen über den Kunden gespeichert, etwa das monatliche Einkommen oder die Wohnsituation. Zusätzlich benötigt das Modelltraining die Zielvariable, auch Target genannt – hier also, ob der Kunde letztendlich den Kredit erhalten hat. Da es sich in diesem Fall um eine Ja-Nein-Entscheidung handelt, spricht man von einer binären Klassifikationsaufgabe.

Mehr zu Machine Learning

• Deep Learning: Das minimalistische ML-Framework tinygrad
• Im Test: SageMaker für Machine Learning in der Cloud
• Einstieg in MLOps, Teil 1: KI-Entwicklung mit Kubeflow erklärt
• Einstieg in MLOps, Teil 2: Mit Kubeflow und Evidently Modellendpunkte erstellen
• Einstieg in MLOps, Teil 3: Modelltraining für Fortgeschrittene in Kubeflow
• Azure Automated ML: So erstellt man ohne Code eigene Machine-Learning-Modelle
• Azure ML Designer für Machine Learning ohne Programmierkenntnisse
• Machine-Learning: Federated Learning vereint KI und Datenschutz
• Betrugserkennung: Wie Maus-Tracking unehrliche Online-Angaben entlarven kann
• Teachable Machine: Eigenes KI-Modell trainieren mit Tools von Google

Franz Eigner

Franz Eigner ist Senior Data Scientist mit Fokus auf AWS Cloud-Technik. Seine Spezialgebiete sind Product Recommendation und Document Analysis.

Der erfolgreichste Ansatz für solche Fragestellungen ist Gradient Boosting. Es erstellt schrittweise schwache Vorhersagemodelle, meist Entscheidungsbäume, um den Vorhersagefehler zu reduzieren. Die Modelle werden iterativ auf den verbleibenden Fehlern der vorherigen Vorhersagen trainiert und anschließend kombiniert. Die verbreitetsten Frameworks dafür sind LightGBM, CatBoost und XGBoost. Eine erste, einfache Herangehensweise wäre das Erstellen eines Python-Skripts auf einem lokalen System, das das Training durchführt und das trainierte Modell anschließend im pickle-Format exportiert. Dabei gibt es jedoch einige Schwierigkeiten: Bei den Fragen nach kontinuierlichen Updates, dem kontinuierlichen Bereitstellen (Continuous Integration / Continuous Delivery, CI/CD) und dem Vergleich von Modellexperimenten wird schnell klar, dass es einer anderen Strategie bedarf. Hier kommt die Machine-Learning-Pipeline ins Spiel: Sie ermöglicht ein effizientes und strukturiertes Umsetzen von ML-Projekten.

Das war die Leseprobe unseres heise-Plus-Artikels "Im Test: SageMaker für Machine Learning in der Cloud". Mit einem heise-Plus-Abo können sie den ganzen Artikel lesen und anhören.