Es ist fast ein Jahrzehnt her, seit Amazon Web Services (AWS), die Cloud-Computing-Abteilung von Amazon, dies angekündigt hat SageMakerIhre Plattform zum Erstellen, Trainieren und Bereitstellen von KI-Modellen. Während sich AWS in den vergangenen Jahren darauf konzentrierte, die Fähigkeiten von SageMaker stark zu erweitern, war in diesem Jahr die Vereinfachung das Ziel.
Auf der re:Invent 2024-Konferenz stellte AWS SageMaker Unified Studio vor, einen zentralen Ort zum Suchen und Bearbeiten von Daten in Ihrem gesamten Unternehmen. SageMaker Unified Studio vereint Tools aus anderen AWS-Services, einschließlich bestehender SageMaker Studioum Kunden dabei zu helfen, Daten zu entdecken, aufzubereiten und zu verarbeiten, um Modelle zu erstellen.
„Wir sehen eine Konvergenz von Analytik und KI, wobei Kunden Daten zunehmend vernetzt nutzen“, sagte Swami Sivasubramanian, Vizepräsident für Daten und KI bei AWS, in einer Erklärung. „Die nächste Generation von SageMaker vereint Funktionen, um Kunden alle Tools, die sie für Datenverarbeitung, maschinelles Lernen und die Entwicklung und Schulung generativer KI-Modelle benötigen, direkt in SageMaker bereitzustellen.“
Mit SageMaker Unified Studio können Kunden Daten, Modelle, Anwendungen und andere Artefakte veröffentlichen und mit Mitgliedern ihres Teams oder einer größeren Organisation teilen. Der Dienst stellt Datensicherheitskontrollen und anpassbare Berechtigungen sowie Integrationen mit AWS bereit. Grundgestein Modellentwicklungsplattform.
KI ist in SageMaker Unified Studio integriert – genauer gesagt: Q-EntwicklerAmazon-Codierungs-Chatbot. In SageMaker Unified Studio kann Q Developer Fragen beantworten wie „Welche Daten sollte ich verwenden, um eine bessere Vorstellung von Produktverkäufen zu bekommen?“ oder „SQL generieren, um den Gesamtumsatz nach Produktkategorie zu berechnen“.
AWS erklärte in einem Blogbeitrag: „Q Developer (kann) Entwicklungsaufgaben wie Datenerkennung, Codierung, SQL-Generierung und Datenintegration unterstützen“ in SageMaker Unified Studio.
Zusätzlich zu SageMaker Unified Studio hat AWS zwei kleine Ergänzungen zu seiner SageMaker-Produktfamilie veröffentlicht: SageMaker Catalog und SageMaker Lakehouse.
Mit SageMaker Catalog können Administratoren Zugriffsrichtlinien für KI-Anwendungen, -Modelle, -Tools und -Daten in SageMaker mithilfe eines einzigen Berechtigungsmodells mit detaillierten Kontrollen definieren und implementieren. Mittlerweile stellt SageMaker Lakehouse SageMaker-Verbindungen und andere Tools zu Daten bereit, die in AWS Data Lakes, Data Warehouses und Unternehmensanwendungen gespeichert sind.
AWS gibt an, dass SageMaker Lakehouse mit jedem Tool funktioniert, das Apache Iceberg-Standards unterstützt – wobei Apache Iceberg das Open-Source-Format für große Analysetabellen ist. Administratoren können bei Bedarf Datenzugriffskontrollen auf alle Analyse- und KI-Tools anwenden, die SageMaker Lakehouse verwendet.
In einer etwas verwandten Entwicklung soll SageMaker dank neuer Integrationen nun besser mit Software-as-a-Service-Anwendungen funktionieren. SageMaker-Kunden können auf Daten aus Anwendungen wie Zendesk und SAP zugreifen, ohne diese Daten zuerst extrahieren, transformieren und laden zu müssen.
„Kunden verfügen möglicherweise über Daten, die über mehrere Data Lakes verteilt sind, ähnlich wie in einem Data Warehouse, und würden von einer einfachen Möglichkeit profitieren, alle diese Daten zu vereinheitlichen“, schrieb AWS. „Kunden können jetzt ihre bevorzugten Analyse- und maschinellen Lerntools für ihre Daten verwenden, unabhängig davon, wie und wo diese physisch gespeichert sind, um Anwendungsfälle wie SQL-Analyse, Ad-hoc-Abfragen, Datenwissenschaft, maschinelles Lernen und generative KI zu unterstützen.“ ”
