Amazon ha anunciado mejoras significativas en la función de repositorio privado de su plataforma Amazon SageMaker JumpStart, dirigida a empresas que buscan una gestión más eficaz de sus modelos de aprendizaje automático (ML). SageMaker JumpStart es un centro de machine learning que ofrece modelos preentrenados, plantillas de soluciones y algoritmos para facilitar el inicio rápido en proyectos de inteligencia artificial.
Las nuevas funcionalidades del repositorio privado permitirán a las organizaciones ajustar los modelos de SageMaker JumpStart directamente en su hub interno, así como añadir y gestionar modelos personalizados. Este avance incluye capacidades de vinculación profunda para cuadernos asociados y una gestión mejorada de versiones de modelos. Todas estas opciones están diseñadas para optimizar el flujo de trabajo de ML, combinando soluciones predefinidas con la flexibilidad del desarrollo personalizado, todo bajo los estándares de seguridad y gobernanza de nivel empresarial.
Para las empresas, la posibilidad de curar y ajustar tanto modelos preconstruidos como personalizados se considera esencial para una implementación exitosa de la inteligencia artificial. Al especializar modelos generales, las organizaciones pueden obtener ventajas competitivas mejorando el rendimiento a partir de sus datos específicos. Además, la capacidad de adaptar modelos personalizados permite a las empresas adaptarse continuamente a las condiciones cambiantes del mercado, mantener el conocimiento institucional y, al mismo tiempo, ser costo-eficientes.
Un ejemplo común en el ámbito empresarial involucra a equipos de ciencia de datos centralizados que desarrollan modelos de base y evalúan su rendimiento en comparación con modelos de código abierto, iterando sobre ellos hasta llegar a un modelo personalizado que sirva de referencia para toda la organización. Cada departamento, como el legal o el de finanzas, puede luego ajustar estos modelos con datos específicos, lo que maximiza la eficiencia de los recursos y permite optimizaciones especializadas a nivel departamental.
Las nuevas capacidades del repositorio privado en SageMaker JumpStart incluyen la posibilidad de añadir modelos del catálogo de SageMaker JumpStart, definir y gestionar modelos entrenados de forma personalizada, crear enlaces directos a cuadernos y actualizar modelos a medida que se disponen de nuevas versiones. Esto proporciona a los clientes de Amazon Web Services (AWS) un control mayor sobre su infraestructura de ML y permite un despliegue y experimentación más ágiles, respetando al mismo tiempo los controles de acceso adecuados dentro de sus organizaciones.
Estas mejoras no solo optimizan la gestión de activos de ML, sino que también facilitan a las organizaciones la creación de un repositorio centralizado de modelos confiables y especializados, ayudando a acelerar iniciativas de inteligencia artificial y garantizando el control y la seguridad en el manejo de sus modelos de aprendizaje automático.
vía: AWS machine learning blog
