Amazon Web Services kündigt 13 neue Machine-Learning-Dienste und -Funktionalitäten an

AWS hat 13 neue Dienste und Funktionalitäten über alle Schichten des AWS Machine-Learning (ML)-Angebots hinweg angekündigt und legt damit ML noch stärker in die Hände der Entwickler. Hierzu zählen:

Neue Infrastruktur, ein eigener Machine-Learning-Chip und verbesserte Frameworks für schnelleres Training und kostengünstigere Inferenz

Neue Amazon Elastic Compute Cloud (EC2) GPU Instanzen (verfügbar nächste Woche): Mit acht NVIDIA V100 GPUs, 32GB GPU-Speicher, schnellem NVMe-Massenspeicher, 96 Intel “Skylake” vCPUs und 100Gbps-Netzwerkadaptern sind die neuen P3dn.24x-Instanzen die leistungsfähigsten in der Cloud verfügbaren Instanzen, mit denen Entwickler Modelle mit mehr Daten in kürzerer Zeit trainieren können.

AWS-optimiertes TensorFlow Framework (ab sofort generell verfügbar): Das AWS-optimierte TensorFlow verbessert die Art und Weise, wie TensorFlow Trainingsaufgaben auf die GPUs verteilt und erlaubt so schnellere ML-Trainings. Dadurch erreicht es eine 90-prozentige Effizienz beim Training auf 256 GPUs gegenüber dem früheren Wert von 65 Prozent. Mit diesem Framework und den neuen P3dn-Instanzen kann man das populäre ResNet-50-Modell in nur 14 Minuten trainieren, ein neuer Rekord und 50 Prozent schneller als die bisherige Bestzeit.

Amazon Elastic Inference (ab sofort generell verfügbar): Amazon Elastic Inference ermöglicht es Entwicklern, die Kosten für Inferenz drastisch zu senken und Einsparungen bis zu 75 Prozent im Vergleich zu den Kosten für die Verwendung einer dedizierten GPU-Instanz zu erzielen.

AWS Inferentia (verfügbar 2019): Für grössere Workloads, die ganze GPUs oder geringere Latenz benötigen, hat AWS einen leistungsstarken, selbstentwickelten Chip für ML-Inferenzen angekündigt, der Hunderte von Teraflops pro Chip und Tausende von Teraflops pro EC2-Instanz liefert und mehrere Frameworks wie TensorFlow, Apache MXNet und PyTorch sowie verschiedene Datentypen wie INT-8, mixed precision FP-16 und bfloat16 unterstützt.

Neue Amazon SageMaker Funktionalitäten für vereinfachtes Erstellen, Trainieren und Bereitstellen von ML-Modellen; AWS DeepRacer, ein durch Reinforcement Learning betriebenes autonomes Rennauto im Massstab 1:18 für Entwickler

Amazon SageMaker Ground Truth (ab sofort generell verfügbar): Amazon SageMaker Ground Truth vereinfacht die Zuordnung von Merkmalen zu Daten („Labeling“) für die Aufbereitung von Trainingsdaten für maschinelles Lernen. Dabei können Entwickler auf einfache Weise ihre Daten mit Hilfe von menschlichen Annotatoren über Mechanical Turk, Drittanbieter oder eigene Mitarbeiter kennzeichnen. Amazon SageMaker Ground Truth lernt in Echtzeit aus diesen Annotationen, kann einen Grossteil des verbleibenden Datensatzes automatisch kennzeichnen und reduziert damit die Notwendigkeit einer menschlichen Überprüfung. Es erstellt hochpräzise Trainingsdatensätze, spart Zeit und Komplexität und reduziert die Kosten um bis zu 70 Prozent im Vergleich zu rein menschlicher Annotation.

AWS Marketplace for Machine Learning (ab sofort generell verfügbar): Dieser Marktplatz umfasst über 150 Algorithmen und Modelle (deren Zahl täglich wächst), die direkt auf Amazon SageMaker bereitgestellt und daraus von Entwicklern verwendet werden können.

Amazon SageMaker RL (ab sofort generell verfügbar): Amazon SageMaker RL ist der erste Cloud Service für Reinforcement Learning (RL), bei dem Modelle ohne die Notwendigkeit grosser Datenmengen trainiert werden können, wenn die Nutzenfunktion bekannt, aber der Pfad für ihre Realisierung schwer zu bestimmen ist. Er ermöglicht es jedem Entwickler, Machine Learning (ML) Anwendungen mithilfe von Reinforcement Learning Algorithmen zu bauen, zu trainieren und zu betreiben. Dabei werden verschiedene Frameworks wie Intel Coach und Ray RL unterstützt, sowie Simulations-Umgebungen wie SimuLink, MatLab und der neue Robotik-Service AWS RoboMaker.

AWS DeepRacer (ab sofort Vorbestellungen möglich): In nur wenigen Zeilen Code können Entwickler mit AWS DeepRacer, einem vollständig autonomen Rennauto im Massstab 1:18, Reinforcement Learning (RL) ausprobieren. Das Auto fährt mit Hilfe von RL-Modellen, die mit Amazon SageMaker trainiert wurden. In der DeepRacer League, der ersten weltweiten autonomen Rennliga, können Entwickler ihre Fähigkeiten unter Beweis stellen und mit ihren Autos und Modellen gegen andere antreten.

Amazon SageMaker Neo (ab sofort generell verfügbar): Dieser neue Compiler für Deep-Learning-Modelle ermöglicht es Kunden, Modelle einmalig zu trainieren und diese überall mit bis zu doppelter Leistungssteigerung auszuführen. Er erstellt Modelle für spezifische Hardwareplattformen und optimiert automatisch deren Leistung. So können sie mit bis zu doppelter Leistung laufen, ohne an Genauigkeit einzubüssen. Dadurch müssen Entwickler nicht mehr ihre Trainingsmodelle für jede einzelne Hardwareplattform manuell optimieren (Zeit- und Kostenersparnis). Amazon SageMaker Neo unterstützt Plattformen wie NVIDIA, Intel, Xilinx, Cadence und Arm sowie beliebte Frameworks wie TensorFlow, Apache MXNet, und PyTorch. AWS wird Neo als Open Source Projekt veröffentlichen.

Neue KI-Dienste bringen Intelligenz in alle Apps, keine Erfahrungen in Machine Learning erforderlich

Amazon Textract (ab sofort als Preview verfügbar): Amazon Textract nutzt maschinelles Lernen, um praktisch jedes gescannte Dokument sofort zu lesen und Text und Daten präzise zu extrahieren. Hierfür sind weder manuelle Überprüfung oder benutzerdefinierter Code erforderlich. Amazon Textract ermöglicht es Entwicklern, Dokumenten-Workflows schnell zu automatisieren und verarbeitet Millionen von Dokumentenseiten innerhalb weniger Stunden.

Amazon Comprehend Medical (ab sofort generell verfügbar): Amazon Comprehend Medical verwendet Natural Language Processing (NLP) für die Verarbeitung von medizinischen Texten. Hierbei handelt es sich um einen hochpräzisen NLP-Service, der mit Hilfe maschinellen Lernens Krankheitszustände, Medikation und Behandlungsergebnisse aus Patientennotizen, klinischen Studien und anderen elektronischen Gesundheitsakten extrahiert. Hierfür sind weder ML-Fachkenntnisse notwendig noch müssen komplizierte Regeln geschrieben oder Modelle trainiert werden. Amazon Comprehend Medical wird ständig verbessert und Kunden zahlen nur für das, was Sie nutzen – ohne Mindestgebühren oder Vorabverpflichtungen.

Amazon Personalize (ab sofort als Preview verfügbar): Amazon Personalize ist ein Empfehlungs- und Personalisierungsdienst, der in Echtzeit funktioniert und auf über 20 Jahre Personalisierungs-Erfahrung bei Amazon.com basiert. Der vollständig verwaltete Service erstellt, trainiert und stellt für praktisch jeden Anwendungsfall nutzerdefinierte, eigene Personalisierungs- und Empfehlungsmodelle bereit. Amazon Personalize kann Empfehlungen machen, Suchergebnisse personalisieren und Kunden für personalisiertes und direktes Marketing segmentieren.

Amazon Forecast (ab sofort als Preview verfügbar): Amazon Forecast erstellt präzise Zeitreihenprognosen. Anhand historischer Daten und zugehöriger kausaler Daten wird Amazon Forecast automatisch benutzerdefinierte, private ML-Prognosemodelle trainieren, anpassen und bereitstellen. Kunden erhalten so mehr Sicherheit darüber, dass sie ihren Kunden die richtige Benutzererfahrung bieten und gleichzeitig ihre Ausgaben optimieren können.

Share this...
Share on Facebook
Facebook
Tweet about this on Twitter
Twitter