يتحول AWS SageMaker إلى مركز بيانات مدمج وذكاء اصطناعي

الائتمان: VentureBeat مصنوع من Midjourney

اليوم في مؤتمرها السنوي الضخم”https://reinvent.awsevents.com/” الهدف=”_blank” rel=”noreferrer noopener”> إعادة: اخترع 2024أعلنت شركة Amazon Web Services (AWS) عن الجيل التالي من منصة تطوير التعلم الآلي (ML) القائمة على السحابة SageMaker، مما يحولها إلى مركز موحد يسمح للمؤسسات بجمع ليس فقط جميع أصول البيانات الخاصة بها – والتي تمتد عبر بحيرات ومصادر البيانات المختلفة في بنية Lakehouse – ولكن أيضًا مجموعة شاملة من تحليلات النظام البيئي AWS وأدوات تعلم الآلة المتباينة سابقًا.

بمعنى آخر: لم يعد Sagemaker مجرد مكان لبناء تطبيقات الذكاء الاصطناعي والتعلم الآلي، بل يمكنك الآن ربط بياناتك واستخلاص التحليلات منها أيضًا.

وتأتي هذه الخطوة استجابة للاتجاه العام للتقارب بين التحليلات والذكاء الاصطناعي، حيث شوهد مستخدمو المؤسسات يستخدمون بياناتهم بطرق مترابطة، بدءًا من تشغيل التحليلات التاريخية إلى تمكين التدريب على نماذج التعلم الآلي وتطبيقات الذكاء الاصطناعي التوليدية التي تستهدف حالات استخدام مختلفة.

“يستخدم العديد من العملاء بالفعل مجموعات من التحليلات المصممة لهذا الغرض وأدوات تعلم الآلة (بشكل منفصل)، مثل Amazon SageMaker – المعيار الفعلي للعمل مع البيانات وبناء نماذج تعلم الآلة – Amazon EMR، وAmazon Redshift، وAmazon S3″https://venturebeat.com/data-infrastructure/what-is-a-data-lake-definition-benefits-architecture-and-best-practices/”> بحيرات البيانات وAWS الغراء. يجمع الجيل التالي من SageMaker بين هذه الإمكانات – جنبًا إلى جنب مع بعض الميزات الجديدة والمثيرة – لتزويد العملاء بجميع الأدوات التي يحتاجونها لمعالجة البيانات، وتحليلات SQL، وتطوير نماذج تعلم الآلة والتدريب عليها، والذكاء الاصطناعي التوليدي، مباشرة داخل SageMaker،” سوامي سيفاسوبرامانيان، وقال نائب رئيس البيانات والذكاء الاصطناعي في AWS في بيان.

SageMaker Unified Studio وLakehouse في القلب

لقد كانت Amazon SageMaker منذ فترة طويلة أداة مهمة للمطورين وعلماء البيانات، حيث توفر لهم خدمة مُدارة بالكامل لنشر نماذج تعلم الآلة على مستوى الإنتاج.

توفر بيئة التطوير المتكاملة للمنصة، SageMaker Studio، للفرق واجهة مرئية واحدة قائمة على الويب لتنفيذ جميع خطوات تطوير التعلم الآلي، بدءًا من إعداد البيانات وبناء النماذج والتدريب والضبط والنشر.

ومع ذلك، مع استمرار تطور احتياجات المؤسسة، أدركت AWS أن إبقاء SageMaker مقتصرًا على نشر تعلم الآلة فقط ليس له معنى. تحتاج المؤسسات أيضًا إلى خدمات تحليلية مصممة خصيصًا لهذا الغرض (تدعم أعباء العمل مثل تحليلات SQL، وتحليلات البحث، ومعالجة البيانات الضخمة، وتحليلات التدفق) جنبًا إلى جنب مع إمكانات SageMaker ML الحالية والوصول السهل إلى جميع بياناتها لتوجيه الرؤى وتعزيز التجارب الجديدة في المراحل النهائية. المستخدمين.

إمكانيتان جديدتان: SageMaker Lakehouse وUnified Studio

ولسد هذه الفجوة، قامت الشركة الآن بترقية SageMaker بإمكانياتين رئيسيتين: Amazon SageMaker”https://venturebeat.com/data-infrastructure/more-organizations-see-data-lakehouses-as-the-key-to-growth-and-agility/”> ليكهاوس والاستوديو الموحد.

يوفر عرض Lakehouse، كما توضح الشركة، وصولاً موحدًا إلى جميع البيانات المخزنة في بحيرات البيانات المبنية على خدمة Amazon Simple Storage Service (S3) ومستودعات بيانات Redshift ومصادر البيانات الموحدة الأخرى، مما يؤدي إلى كسر الصوامع وجعلها قابلة للاستعلام عنها بسهولة بغض النظر عن ذلك. من حيث تم تخزين المعلومات في الأصل.

“اليوم، تم إنشاء أكثر من مليون بحيرة بيانات على Amazon Simple Storage Service… مما يسمح للعملاء بمركزة أصول البيانات الخاصة بهم واستخلاص القيمة باستخدام تحليلات AWS وأدوات الذكاء الاصطناعي والتعلم الآلي… قد يكون لدى العملاء بيانات منتشرة عبر مستودعات بيانات متعددة، بالإضافة إلى مستودع بيانات، وسيستفيد من طريقة بسيطة لتوحيد كل هذه البيانات،» حسبما أشارت الشركة في بيان صحفي.

بمجرد توحيد جميع البيانات مع عرض Lakehouse، يمكن للمؤسسات الوصول إليها وتشغيلها مع القدرة الرئيسية الأخرى – SageMaker Unified Studio.

في جوهره، يعمل الاستوديو كبيئة موحدة تجمع معًا جميع إمكانات الذكاء الاصطناعي والتحليلات الحالية من استوديوهات أمازون المستقلة ومحرري الاستعلامات والأدوات المرئية – الممتدة عبر أمازون”https://venturebeat.com/ai/amazon-bedrock-continues-to-lay-down-generative-ai-foundation-for-the-cloud/”> حجر الأساسأمازون إي إم آر،”https://venturebeat.com/ai/amazon-aws-launches-redshift-ml-to-let-developers-train-models-with-sql/”> التحول نحو الأحمر في أمازونوAWS Glue وSageMaker Studio الحالي.

يؤدي ذلك إلى تجنب المتاعب التي تستغرق وقتًا طويلاً في استخدام أدوات منفصلة بشكل منفصل ويمنح المستخدمين مكانًا واحدًا للاستفادة من هذه الإمكانات لاكتشاف بياناتهم وإعدادها وتأليف الاستعلامات أو التعليمات البرمجية ومعالجة البيانات وبناء نماذج تعلم الآلة. يمكنهم حتى الانسحاب”https://venturebeat.com/ai/aws-launches-in-line-q-developer-ai-coding-assistant-to-take-on-microsofts-github-copilot/”>مطور أمازون كيو المساعد واطلب منه التعامل مع مهام مثل تكامل البيانات أو الاكتشاف أو الترميز أو إنشاء SQL – في نفس البيئة.

لذلك، باختصار، يحصل المستخدمون على مكان واحد يضم جميع بياناتهم وجميع التحليلات وأدوات التعلم الآلي الخاصة بهم لتشغيل التطبيقات النهائية، بدءًا من هندسة البيانات وتحليلات SQL والاستعلام المخصص إلى علوم البيانات وتعلم الآلة والذكاء الاصطناعي التوليدي.

حجر الأساس في Sagemaker

على سبيل المثال، باستخدام إمكانات Bedrock في SageMaker Studio، يمكن للمستخدمين ربط نماذج وأدوات الأساس عالية الأداء المفضلة لديهم مثل الوكلاء وGuardrails وقواعد المعرفة مع أصول بيانات البحيرة الخاصة بهم لبناء تطبيقات الذكاء الاصطناعي العامة ونشرها بسرعة.

بمجرد تنفيذ المشاريع، تسمح عروض البحيرة والاستوديو أيضًا للفرق بنشر ومشاركة بياناتهم ونماذجهم وتطبيقاتهم وغيرها من العناصر مع أعضاء فريقهم – مع الحفاظ على سياسات وصول متسقة باستخدام نموذج إذن واحد مع ضوابط أمنية دقيقة. يؤدي ذلك إلى تسريع اكتشاف الموارد وإعادة استخدامها، مما يمنع ازدواجية الجهود.

متوافق مع المعايير المفتوحة

والجدير بالذكر أن SageMaker Lakehouse متوافق مع Apache Iceberg، مما يعني أنه سيعمل أيضًا مع أدوات الذكاء الاصطناعي والتعلم الآلي المألوفة ومحركات الاستعلام المتوافقة مع معيار Apache Iceberg المفتوح. بالإضافة إلى ذلك، فهو يشتمل على عمليات تكامل بدون ETL لـ Amazon Aurora MySQL وPostgreSQL وAmazon RDS لـ MySQL وAmazon DynamoDB مع Amazon Redshift بالإضافة إلى تطبيقات SaaS مثل Zendesk وSAP.

“تؤكد عروض SageMaker على استراتيجية AWS المتمثلة في الكشف عن قدراتها المتقدمة والشاملة بطريقة محكومة وموحدة، لذلك فهي سريعة في إنشاء أعباء عمل تعلم الآلة والذكاء الاصطناعي واختبارها واستهلاكها. كانت AWS رائدة في استخدام مصطلح Zero-ETL، وقد أصبح الآن معيارًا في الصناعة. من المثير أن نرى أن Zero-ETL قد تجاوز قواعد البيانات ودخل إلى التطبيقات. وقال محلل الصناعة سانجيف موهان لـ VentureBeat: “من خلال التحكم في الحوكمة ودعم كل من البيانات المنظمة وغير المنظمة، يمكن لعلماء البيانات الآن إنشاء تطبيقات تعلم الآلة بسهولة”.

SageMaker الجديد متاح الآن

يتوفر SageMaker الجديد لعملاء AWS بدءًا من اليوم. ومع ذلك، لا يزال Unified Studio في مرحلة المعاينة. لم تشارك AWS جدولًا زمنيًا محددًا ولكنها أشارت إلى أنها تتوقع أن يصبح الاستوديو متاحًا بشكل عام قريبًا.

ستكون شركات مثل Roche وNatwast Group من بين أوائل المستخدمين للإمكانيات الجديدة، حيث تتوقع الأخيرة أن يؤدي Unified Studio إلى تقليل الوقت المطلوب لمستخدمي البيانات للوصول إلى التحليلات وقدرات الذكاء الاصطناعي بنسبة 50%. وفي الوقت نفسه، تتوقع شركة Roche انخفاضًا بنسبة 40% في وقت معالجة البيانات باستخدام SageMaker Lakehouse.

إعادة AWS: اخترع من 2 إلى 6 ديسمبر 2024.