ทำความรู้จัก Amazon SageMaker Studio เบื้องต้น

เมื่อปี 2017 ทาง AWS ไปปล่อย service ที่ชื่อ Amazon SageMaker ออกมาให้ผู้คนนำมาใช้งานกันโดยเป็น service เกี่ยวกับการพัฒนา Machine Learning (ML) แต่ทั้งนี้ตัว service และเครื่องมือต่างๆที่ออกมายังมีความซับซ้อนต่อการใช้งาน เนื่องจากผู้ใช้จะต้องจัดการและควบคุมเองทั้งหมดซึ่งทำให้ยากต่อการใช้งานทำให้ AWS จึงมีการออกโปรแกรมตัวใหม่มาที่จะช่วยแบ่งเบาภาระของผู้ใช้งาน ซึ่งก็คือ Amazon SageMaker Studio

#Classmethod Thailand

#Thai Language

#SageMaker Studio

#AWS

#AWS-Thai

Chawish Tilakul

2021.01.06

この記事は公開されてから1年以上経過しています。情報が古い可能性がありますので、ご注意ください。

Introduction

อย่างที่ทุกคนทราบกันดีว่าเมื่อปี 2017 ทาง AWS ได้ปล่อย service ที่ชื่อ Amazon SageMaker ออกมาให้ผู้คนได้ใช้งานกันโดยเป็น service เกี่ยวกับการพัฒนา Machine Learning (ML) แต่ทั้งนี้ตัว service และเครื่องมือต่าง ๆ ที่ออกมายังมีความซับซ้อนต่อการใช้งาน "เนื่องจากผู้ใช้จะต้องจัดการและควบคุมเองทั้งหมด ทำให้ยากต่อการใช้งาน AWS จึงได้ออกโปรแกรมตัวใหม่มาเพื่อช่วยแบ่งเบาภาระของผู้ใช้งาน นั่นก็คือ Amazon SageMaker Studio

Machine Learning (ML) คือ ส่วนการเรียนรู้ของเครื่องจักร ถูกใช้งานเสมือนเป็นสมองของ AI (Artificial Intelligence) เราอาจพูดได้ว่า AI ใช้ Machine Learning ในการสร้างความฉลาดให้กับตัวเอง โดยเป็นโมเดลที่เกิดจากการเรียนรู้ของปัญญาประดิษฐ์เอง ไม่ได้เกิดจากการเขียนโดยใช้มนุษย์ มนุษย์มีหน้าที่เขียนโปรแกรมให้ AI (เครื่องจักร) เรียนรู้จากข้อมูลที่ได้รับมาเท่านั้น ที่เหลือเครื่องจักรจะทำหน้าที่ประมวลผลและซึมซับข้อมูลเหล่านั้นมาใช้งาน โดยตัวอย่าง ML ที่ใช้งานและพบเห็นในปัจจุบันก็คือ
- Apple Siri
- Google Assistant
- การแนะนำหนังที่เราน่าจะสนใจใน Netflix

Amazon SageMaker Studio คืออะไร ?

คือโปรแกรมประยุกต์สำเร็จรูป(IDE) ที่ AWS ออกแบบมาเพื่อใช้ในการพัฒนา Machine Learning (ML) โดยรวมเครื่องมือทั้งหมดที่จำเป็นสำหรับการพัฒนา ML เข้าด้วยกัน นักพัฒนาสามารถเขียนโค้ดติดตามการทดสอบและแสดงภาพข้อมูลการดำเนินการต่าง ๆ เช่น ให้เราจัดการเวิร์กโฟลว์ ML ทั้งหมดผ่านหน้าจอเดียวและตรวจสอบทั้งหมดซึ่งช่วยเพิ่มประสิทธิภาพการทำงานของนักพัฒนาอย่างมากทำให้ง่ายต่อการใช้งาน เพราะมีเครื่องมือในการพัฒนาต่าง ๆ ที่สร้างความสะดวกสบายให้กับผู้ใช้งานมากขึ้นด้วย

Feature

Amazon SageMaker Studio มี feature หลายอย่างให้เราได้เลือกใช้งาน แต่ในที่นี้จะขอยกตัวอย่าง feature หลัก 5 ตัว ที่มีประโยชน์และมีส่วนช่วยในการพัฒนา Machine Learning (ML) อย่างมาก คือ

SageMaker Model Monitor สามารถตรวจสอบคุณภาพของโมเดลที่มีการเปลี่ยนแปลงหรือพัฒนาได้ และ รับการแจ้งเตือนเมื่อคุณภาพของโมเดลลดลง ทำให้มองเห็นปัญหาต่าง ๆ ที่อาจส่งผลต่อโมเดลของคุณโดยที่ไม่จำเป็นต้องเขียนโค้ดเพื่อตรวจสอบ แต่ใช้เพียงการคลิกไม่กี่ครั้งบนหน้าจอโปรแกรม
SageMaker Studio Notebooks ช่วยให้เราสร้างและแชร์สมุดบันทึกโดยไม่ต้องจัดการโครงสร้างพื้นฐานใดๆ และยังสามารถกำหนดค่าฮาร์ดแวร์เครื่องหนึ่งไปยังอีกเครื่องหนึ่งได้อย่างรวดเร็ว
SageMaker Experiments เป็นส่วนช่วยในการจัดการและติดตามการทดลองในโปรเจค โดยที่เราสามารถจัดระเบียบ ติดตามและเปรียบเทียบงาน ML ได้หลายพันงานซึ่งอาจเป็นงานฝึกอบรมหรืองานประมวลผลข้อมูลและงานประเมินโมเดลก็ได้ เราจึงสามารถใช้ข้อมูลที่ติดตามเพื่อสร้างการทดลองใหม่เพิ่มขึ้นจากการทดลองเดิมที่ดำเนินการอยู่ เพื่อการพัฒนาที่รวดเร็วมากยิ่งขึ้น
SageMaker Debugger สามารถตรวจสอบปัญหา พร้อมกับวิเคราะห์ปัญหาการทำงานที่ซับซ้อนและทำการแจ้งเตือนเมื่อตรวจพบ ระบบจะตรวจสอบโมเดลของคุณโดยอัตโนมัติและรวบรวมข้อมูลการแก้ไขข้อบกพร่องต่าง ๆ รวมทั้งวิเคราะห์ปัญหาและทำการแจ้งเตือนแบบเรียลไทม์ โดยมีคำแนะนำเกี่ยวกับวิธีเพิ่มประสิทธิภาพการทำงานอีกด้วย ซึ่งข้อมูลทั้งหมดจะมองเห็นได้ในขณะที่โมเดลของคุณกำลังทำงานอยู่
SageMaker Autopilot สามารถสร้างแบบจำลองอัตโนมัติ ที่ควบคุมและแสดงการมองเห็นอย่างเต็มรูปแบบ โดยเลือกอัลกอริทึมการประมวลผลข้อมูลล่วงหน้าและการปรับโมเดลจะได้รับการดูแลโดยอัตโนมัติเช่นเดียวกับโครงสร้างพื้นฐานทั้งหมด