AWS AutoGluon упростит создание моделей ИИ

Amazon Web Services выпустила новую библиотеку с открытыми исходниками, которая позволит разработчикам буквально тремя строками кода создавать приложения машинного обучения для анализа изображений, текстовых или табличных данных.

Для построения обучаемых интеллектуальных моделей для таких данных с нуля разработчики должны настраивать «гиперпараметры», определяющие принятие решений, выбирать оптимальную архитектуру нейронной сети для своих моделей машинного обучения.

Библиотека AutoGluon автоматизирует решение многих из этих сложных задач. От разработчиков требуется лишь определить, как быстро они хотят получить обученную модель, и AutoGluon выбирает наиболее подходящую архитектуру нейросети, чтобы уложиться в отведённые сроки.

Amazon сообщает, что AutoGluon может выбирать модели для классификации изображений и текста, распознавания объектов и табличных прогнозов. Более опытным разработчикам предлагается интерфейс прикладного программирования (API), оперируя которым они могут совершенствовать прогностические возможности модели.

«Мы разработали AutoGluon, чтобы по-настоящему демократизировать машинное обучение и сделать мощь глубокого обучения доступной для всех разработчиков, — заявил специалист AWS по прикладным исследованиям, Йонас Мюллер (Jonas Mueller). — AutoGluon решает эту проблему, автоматически ограничивая все варианты выбора теми диапазонами, которые, как известно, хорошо работают для конкретной задачи и модели».

Другим недавним примером усилий AWS по демократизации ИИ стало обновление SageMaker — платформы непрерывной тренировки и развёртывания моделей машинного обучения в облаке и на границе сети. Последние апдейты включают SageMaker Studio — инструмент для тренировки моделей и управления их кодом, и SageMaker Autopilot — средство автоматизации, выбирающее лучший алгоритм модели ИИ и конфигурирующее его для решения поставленных задач.