- Превращение моделей машинного обучения из концепции в производство часто бывает трудным и занимает много времени.
- Чтобы обучить модель, нужно сначала обработать огромные объемы данных, а затем определить оптимальную технику ее обучения.
- После этого необходимо управлять вычислительными мощностями при их обучении, а затем развертывать в производственной среде.
- Amazon SageMaker упрощает процесс создания и развертывания моделей машинного обучения.
- SageMaker контролирует все базовые инфраструктуры для обучения вашей модели размером в петабайтах и развертывания ее в рабочей среде.
- Здесь, в этой статье, мы узнаем больше об Amazon Sagemaker.
- Мы узнаем, как создать экземпляр блокнота SageMaker.
- Далее мы увидим, как подготовить данные.
- Затем мы обучим модель учиться на данных.
- Наконец, мы развернем нашу модель машинного обучения.
- Набор банковских маркетинговых данных будет использоваться для обучения модели.
Шаги по созданию, обучению и развертыванию модели машинного обучения в Amazon SageMaker
1. Для подготовки данных создайте экземпляр блокнота Amazon SageMaker:
- На этом этапе вы создаете экземпляр блокнота, который будете использовать для загрузки и обработки данных.
- Вы также создаете роль идентификации и управления доступом (IAM), которая позволяет Amazon SageMaker получать доступ к данным в Amazon S3 в рамках процедуры настройки.
- Войдите в интерфейс Amazon SageMaker и выберите нужный регион AWS в правом верхнем углу.
- Выберите Экземпляры записной книжки в левом окне навигации, а затем Создать экземпляр записной книжки.
- Заполните следующие поля в экземпляре записной книжки, установив флажок на странице «Создать экземпляр записной книжки»:
- Введите ‹Имя блокнота› в поле Имя экземпляра блокнота.
- Выберите ml.t2.medium в качестве типа экземпляра Notebook.
- Оставьте выбор по умолчанию > нет для эластичного вывода.
- Выберите Создать новую роль в разделе Разрешения и шифрование для роли IAM.
- Затем в диалоговом окне «Создание роли IAM» выберите Любая корзина S3 и «Создать роль».
2. Подготовка данных:
- Выберите Открыть Jupyter после того, как статус вашего экземпляра блокнота SageMaker изменится на InService.
- Выберите Создать в Jupyter, а затем conda python3.
- Скопируйте и вставьте следующий код в новую ячейку кода в блокноте Jupyter, затем выберите Выполнить.
- Чтобы сохранить данные, создайте сегмент S3.
- Выберите Выполнить после копирования и вставки следующего кода в следующее поле кода.
- Загрузите данные во фрейм данных после их загрузки в ваш экземпляр SageMaker.
- Выберите «Выполнить» после копирования и вставки приведенного выше кода в следующее поле кода.
- После этого можно выполнить тестовый сплит поезда с помощью следующей команды.
Имейте в виду, что в Amazon Sagemaker нужно выполнять сплит-тест обучения с помощью метода np.split(). Традиционный train_test_split здесь не работает. Чтобы узнать больше, вы можете обратиться к следующему блоку кода.
3. Обучите модель машинного обучения:
- Скопируйте и вставьте следующий код в новую ячейку кода в блокноте Jupyter, затем выберите «Выполнить».
- Настройте сеанс Amazon SageMaker, создайте экземпляр модели XGBoost (оценщик) и определите гиперпараметры модели.
- Скопируйте и вставьте приведенный выше код в следующую ячейку кода и выберите Выполнить.
- Запустите обучающее задание.
4. Развертывание модели:
- Скопируйте и вставьте приведенный выше код в новую ячейку кода в блокноте Jupyter, затем выберите «Выполнить».
- Скопируйте следующий код в следующее поле кода и выберите Выполнить, чтобы спрогнозировать, зарегистрированы ли клиенты в тестовых данных для банковского продукта или нет.
Заключение:
- До сих пор в этой статье мы рассмотрели общий обзор того, как обучить, протестировать и развернуть модель машинного обучения с помощью Amazon Sagemaker.
- В следующей статье мы узнаем об основах Amazon Augmented AI.
Заключительные мысли и заключительные комментарии
Заключительные мысли и заключительные комментарии
Есть некоторые жизненно важные моменты, которые люди не понимают, занимаясь наукой о данных или путешествием в области искусственного интеллекта. Если вы один из них и ищете способ уравновесить эти минусы, ознакомьтесь с сертификационными программами, предоставляемыми INSAID на их веб-сайте. . Если вам понравилась эта история, я рекомендую вам пройти Глобальный сертификат в области науки о данных и искусственного интеллекта, потому что он охватывает ваши основы, алгоритмы машинного обученияи глубокие знания. нейронные сети (базовые для продвижения).
Подпишитесь на нас, чтобы не пропустить новые статьи, посвященные науке о данных, машинному обучению и искусственному интеллекту.
Кроме того, дайте нам аплодисменты👏, если вы находите эту статью полезной, так как ваша поддержка стимулирует вдохновение и помогает создавать еще больше интересных вещей, подобных этой. .