AWS kỷ niệm 5 năm ra mắt Amazon SageMaker – dịch vụ học máy toàn diện

Chỉ trong 5 năm, hàng chục ngàn khách hàng đã khai thác Amazon SageMaker để tạo ra hàng triệu mô hình, huấn luyện các mô hình với hàng tỷ tham số và đưa ra hàng trăm tỷ dự đoán mỗi tháng.

Trong bài viết của mình, Ankur Mehrotra, Tổng Giám đốc của Amazon SageMaker cho hay, những hạt giống của sự thay đổi mô hình học máy (ML) đã được gieo trong nhiều thập kỷ, nhưng khi năng lực tính toán trở nên gần như vô hạn, lượng dữ liệu trở nên vô cùng lớn và công nghệ ML nhanh chóng phát triển, khách hàng trong mọi lĩnh vực giờ đây đã có thể tiếp cận những lợi ích mang tính chuyển đổi của công nghệ ML. Để khai thác cơ hội này và đưa ML ra khỏi phòng nghiên cứu đến tay các tổ chức, AWS đã tạo ra Amazon SageMaker. Ra mắt từ năm 2017, Amazon SageMaker – dịch vụ ML quản lý toàn diện đã trở thành một trong những dịch vụ phát triển nhanh nhất trong lịch sử AWS.

AWS cho ra đời dịch vụ Amazon SageMaker để phá vỡ các rào cản đối với ML và phổ cập khả năng tiếp cận công nghệ tiên tiến. Nhớ lại tại thời điểm năm 2017, ông Ankur Mehrotra cho biết, công nghệ ML vẫn yêu cầu các kỹ năng chuyên môn mà không nhiều nhà phát triển, nhà nghiên cứu, các tiến sĩ hoặc công ty ứng dụng ML trong hoạt động của mình mới có khả năng sở hữu. Trước đây, các nhà phát triển và các nhà khoa học dữ liệu phải trực quan hóa, chuyển đổi và xử lý trước dữ liệu thành các định dạng mà các thuật toán có thể sử dụng để huấn luyện mô hình, đây là các hoạt động đòi hỏi lượng công suất tính toán khổng lồ, thời gian huấn luyện kéo dài và các nhóm chuyên trách để quản lý các môi trường thường với nhiều máy chủ hỗ trợ GPU – và để thực hiện khối lượng công việc tinh chỉnh hiệu năng bằng nhân công khá lớn. Ngoài ra, việc triển khai một mô hình đã được huấn luyện trong một ứng dụng đòi hỏi nhiều kỹ năng chuyên môn khác nhau về thiết kế ứng dụng và hệ thống phân tán. Khi số lượng các bộ dữ liệu và biến số tăng lên, các doanh nghiệp phải lặp lại quá trình này để tiếp tục học hỏi từ thông tin mới và phát triển khi các mô hình cũ trở nên lỗi thời. Những thách thức và rào cản này khiến ML nằm ngoài khả năng tiếp cận của hầu hết các tổ chức và viện nghiên cứu nếu họ không có nguồn tài trợ tốt.

Đó là lý do AWS giới thiệu Amazon SageMaker, cho phép các nhà phát triển, các nhà khoa học dữ liệu và nhà phân tích kinh doanh nhanh chóng và dễ dàng chuẩn bị dữ liệu, xây dựng, huấn luyện và triển khai các mô hình ML chất lượng cao trên quy mô lớn. “Trong 5 năm qua, chúng đã bổ sung hơn 250 tính năng và năng lực mới, bao gồm môi trường phát triển tích hợp (iDE) đầu tiên trên thế giới cho ML, trình gỡ lỗi, tính năng giám sát mô hình, tính năng lập hồ sơ, AutoML, chợ tính năng, năng lực triển khai tính năng không lập trình và công cụ tích hợp và phân phối liên tục (CI/CD) chuyên biệt đầu tiên để đơn giản hóa ML, tăng cường khả năng mở rộng hơn trên đám mây và các thiết bị vùng biên” – Ankur Mehrotra nói.

Amazon SageMaker cho phép nhiều đối tượng người dùng tạo ra các mô hình ML, bao gồm các môi trường không lập trình trong Amazon SageMaker Canvas dành cho các nhà phân tích kinh doanh không có kinh nghiệm về ML, cũng như môi trường ML không cài đặt, miễn phí để sinh viên học tập và thử nghiệm với ML nhanh chóng hơn. Giờ đây, khách hàng có thể lựa chọn các công cụ phục vụ đổi mới sáng tạo với Amazon SageMaker – IDEs dành cho các nhà khoa học dữ liệu và một giao diện không lập trình cho các nhà phân tích kinh doanh. Khách hàng có thể truy cập, gắn nhãn và xử lý một lượng lớn dữ liệu có cấu trúc (dữ liệu dạng bảng) và dữ liệu phi cấu trúc (ảnh, video và âm thanh) cho ML. Với Amazon SageMaker, khách hàng có thể giảm thời gian huấn luyện từ hàng giờ xuống còn vài phút với cơ sở hạ tầng được tối ưu hóa. Cuối cùng, khách hàng có thể tự động hóa và tiêu chuẩn hóa các thực hành vận hành học máy (MLOps) trong tổ chức để xây dựng, huấn luyện, triển khai và quản lý các mô hình trên quy mô lớn.

Trong tương lai, AWS sẽ tiếp tục đẩy mạnh phát triển các tính năng mới có thể giúp khách hàng phát triển ML hơn nữa.