AWS’den makine öğrenimi çözümlerinde gövde gösterisi

AWS re:Invent 2020 ikinci haftasında da sektör için çok sayıda ilke imza atmaya devam ediyor. AWS Amazon Makine Öğrenimi Başkan Yardımcısı Swami Sivasubramanian’ın sunumu ile makine öğrenimi kategorisinde yeniliklerini sunan Amazon, SageMaker ürününde bir çok güncelleme duyurdu. AWS re:Invent 2020 sunumundan yansımalar şu şekilde:

AWS re:Invent’te bu hafta: 40 yeni hizmet tanıtıldı!

Yeni güncelleme ile birlikte SageMaker’da artık büyük sinir ağları(neural networks) otomatik olarak parçalara ayrılabiliyor ve birden fazla bilgisayara dağıtılabiliyor.

SageMaker Data Wrangler ile birlikte makine öğrenimi modellerinin hazırlanması kolaylaşıyor. Bununla birlikte makine öğrenimi modelinde kullanılması gereken özelliklerin hazırlanması süreci de kolaylaşıyor.

SageMaker Debugger ise yeni Deep Profiling özelliği ile derin öğrenimde kaynak kullanımını iyileştiriyor. Bu özellik eğitim sürecinde kullanılan GPU ve hafıza gibi kaynakları görselleştirerek kaynak kullanımının ayarlanmasına, farklı zamanlarda eğitim faaliyetleri düzenlenmesine yönelik öneriler sunacak.

SageMaker, yapay zeka kullanmak kuruluşlar için bir standart haline geliyor. SageMaker Edge Monitor ile çok fazla cihaz için makine öğrenimi modellerinin hazırlanması ve izlenmesi mümkün oluyor. Modellerin 25 kat daha hızlı çalışması sağlanabiliyor. Tek bir panel üzerinden her cihazdaki modelin performansı incelenebiliyor.

Amazon Makine Öğrenimi Başkan Yardımcısı Swami Sivasubramanian şirketin makine öğrenimi alanında sunduklarına ilişkin “AWS olarak Makine Öğrenimi alanında müşterilerimizin oldukça hızlı yol aldıklarını gördük. Gerçekten de kısa sürede çok fazla yol kat ettiler.  Nike, BMW ve Domino’s gibi şirketler AWS üzerinde Makine Öğrenimi kullanıyor. Makine Öğrenimi, artık niş biz hizmet değil.

Domino’s, bu teknolojiyi 10 dakika veya daha kısa sürede pizza teslimatı yapmak için kullanırken, Roche tıbbi deneylerine ivme kazandırıyor ve BMW da SageMaker ile 7 Petabaytlık veriyi işleyebiliyor. Diğer yandan aynı teknolojiyi Nike ürün önerileri için kullanırken, F1 de araç tasarımı ve simülasyonu alanında 550 milyondan fazla veri göstergesini analiz edebiliyor.” dedi.

Geçtiğimiz yıl tanıtılan SageMaker Autopilot teknolojisi, makine öğrenimi uzmanlığı olmayan kişilere de hangi makine öğrenimi modellerini seçmeleri gerektiği konusunda yardımcı olmayı hedefliyordu. Bugüne kadar bu, makine öğrenimi modellerinin otomatik olarak Aurora ML veya başka bir AWS uygulamasında kullanılması gerektiği anlamına geliyordu. Hiçbir model kullanmak istemeyenler için ise RedShift’te Auto Pilot’un entegre edilmesi opsiyonunu geliştirildi.

Amazon’un veri ambarı olan Amazon RedShift ML ile entegrasyon, RedShift kullanıcılarının kolayca SQL talebi oluşturabilecekleri ve bir makine öğrenimi modeli oluşturmalarına gerek kalmadan makine öğrenimi sonuçları elde etmelerini sağlayacak.

Makine öğreniminden güç alarak doğal dil kabiliyetine sahip olan Amazon QuickSight Q, şirketlerin günlük dili kullanarak verileri hakkında soru sormalarını sağlıyor. Örneğin, programa basit bir şekilde “yıllık büyüme oranımız nedir” sorusu yazıldığında QuickSight’ta cevabı anında, görsel bir şekilde çıkıyor. Bunun öncesinde işletmeler veri platformlarında sorularının cevaplarını kolayca bulamıyor, taleplerini ilgili birimlere ileterek cevap için bazen haftalarca bekliyorlardı. Artık sorularına anında cevap alabilir, iş zekası ekiplerinin de iş yükünü azaltabilirler.

Makine öğrenimi kullanarak metriklerinizdeki anormallikleri tespit eden yeni bir hizmet olan Amazon Lookout for Metrics, işletmenizin sağlığını proaktif bir şekilde izlemenizi, sorunları tespit etmenizi ve fırsatları hızlıca bulmanızı sağlıyor. Bunları yapmak için de makine öğrenimi uzmanlığına ihtiyacınız yok. Amazon’ın verilerdeki anormal değişimleri tespit etmek için kullandığı teknolojiyi kullanan Amazon Lookout for Metrics, bulması zor olan değişimleri tespit ediyor ve yanlış tespitlerin sayısını da azaltıyor.

Aynı zamanda benzer bulguları bir araya getiriyor, onları önem derecesine göre sıralıyor ve anormalliğin kaynağının bulunabilmesi doğrultusunda bilgi sağlıyor. Amazon Lookout for Metrics, gelir, web sitesi görüntülenme sayısı, günlük aktif kullanıcı sayısı, müşteri erime oranı, işlem hacmi, mobil uygulama kurulumları ve daha fazla metrik için kullanılabiliyor.