Na AWS re: invente 2024, nós anunciado a próxima geração de Amazon Sagemakero centro de todos os seus dados, análises e IA. A Amazon Sagemaker reúne amplamente adotada o AWS Machine Studying (ML) e os recursos de análise e aborda os desafios de aproveitar os dados organizacionais para análise e IA por meio de acesso unificado a ferramentas e dados com o governo incorporado.
No centro da próxima geração de Amazon Sagemaker está Amazon Sagemaker Unified Studioum único ambiente de desenvolvimento de dados e IA, onde você pode encontrar e acessar os dados da sua organização e agir usando a melhor ferramenta para o trabalho em praticamente qualquer caso de uso. Estamos entusiasmados em anunciar a disponibilidade geral do Sagemaker Unified Studio.
Neste submit, exploramos os benefícios do Sagemaker Unified Studio e como começar.
Benefícios do Sagemaker Unified Studio
O Sagemaker Unified Studio reúne a funcionalidade e as ferramentas das análises da AWS existentes e serviços de IA/ML, incluindo Amazon emrAssim, Aws colaAssim, Amazon AthenaAssim, Amazon RedshiftAssim, Amazon Bedrocke Amazon Sagemaker AI. De dentro do estúdio Unified, você pode descobrir dados e ativos de IA de toda a sua organização e depois trabalhar juntos em projetos para criar e compartilhar com segurança os artefatos de análise e IA, incluindo dados, modelos e aplicativos generativos de IA. Os recursos de governança, incluindo controle de acesso de grão fino, são incorporados ao Sagemaker Unified Studio usando Catálogo da Amazon Sagemaker Para ajudá -lo a atender aos requisitos de segurança corporativa em toda a sua propriedade de dados.
O acesso unificado aos seus dados é fornecido por Amazon Sagemaker Lakehouseum Knowledge Lakehouse unificado, aberto e seguro, construído nos padrões abertos do Apache Iceberg. Se seus dados são armazenados em Amazon Easy Storage Service (Amazon S3) Lagos de dados, Knowledge Warehouses Redshift ou fontes de dados de terceiros e federadas, você pode acessá-lo de um lugar e usá-lo com motores e ferramentas compatíveis com iceberg. Além disso, a Sagemaker Lakehouse agora se integra a Tabelas Amazon S3o primeiro armazenamento de objetos em nuvem com suporte nativo do Apache Iceberg, para que você possa usar o Sagemaker Lakehouse para criar, consultar e processar tabelas S3 com eficiência usando vários mecanismos de análise no Sagemaker Unified Studio, bem como motores compatíveis com iceberg, como Apache Spark e Pyiceberg.
Os recursos da Amazon Bedrock agora estão geralmente disponíveis no Sagemaker Unified Studio, permitindo que você protótipo rapidamente, personalize e compartilhe aplicativos generativos de IA em um ambiente governado. Os usuários têm uma interface intuitiva para acessar modelos de fundação de alto desempenho (FMS) na Amazon Bedrock, incluindo o Amazon Nova Série de modelos e a capacidade de criar agentes, fluxos, bases de conhecimento e corrimãos com alguns cliques.
Desenvolvedor da Amazon Q.o assistente generativo de IA mais capaz para o desenvolvimento de software program, pode ser usado no Sagemaker Unified Studio para otimizar tarefas nos dados e no ciclo de vida de desenvolvimento de IA, incluindo autoria de código, geração SQL, descoberta de dados e solução de problemas.
Uma nova maneira integrada de trabalhar
A disponibilidade geral do Sagemaker Unified Studio representa outra etapa significativa em nossa jornada para oferecer a nossos clientes uma maneira simplificada de trabalhar com seus dados, seja para análise ou IA. Muitos de nossos clientes nos disseram que você está criando aplicativos orientados a dados para orientar as decisões de negócios, melhorar a agilidade e impulsionar a inovação, mas que esses aplicativos são complexos para construir porque exigem colaboração entre as equipes e a integração de dados e ferramentas. Não é apenas demorado para os usuários aprender várias experiências de desenvolvimento, mas como dados, código e outros artefatos de desenvolvimento são armazenados separadamente, é um desafio para os usuários entenderem como eles interagem entre si e usá -los coesamente. Configurar e governar o acesso também é um processo guide complicado. Para superar esses obstáculos, muitas organizações estão construindo integrações sob medida entre serviços, ferramentas e sistemas de gerenciamento de acesso domiciliar. No entanto, o que você precisa é a flexibilidade de adotar os melhores serviços para o seu caso de uso, capacitando suas equipes de dados com uma experiência de desenvolvimento unificada.
“Quando criamos aplicativos orientados a dados para nossos clientes, queremos uma plataforma unificada onde as tecnologias trabalhem juntas de maneira integrada. O Amazon Sagemaker Unified Studio simplifica nossos processos de entrega de soluções por meio de recursos abrangentes de análise, uma experiência unificada de estúdio e uma casa de lago que integra o gerenciamento de dados em armazéns de dados e lagos de dados. O Amazon Sagemaker Unified Studio reduz o tempo de valor para os projetos de dados de nossos clientes em até 40%, ajudando-nos com nossa missão de acelerar a jornada de transformação digital de nossos clientes. ”
– Akihiro Suzue, chefe do setor de soluções, dados da NTT; Yuji Shono, gerente sênior do Departamento de Aplicativos e Tecnologia de Dados, dados da NTT; Yuki Saito, gerente da Divisão de Soluções de Sucesso Digital, dados NTT
Milhões de organizações confiam na AWS e utilizam nosso conjunto abrangente de análises construídas, IA/ML e recursos generativos de AI para alimentar aplicativos orientados a dados sem comprometer o desempenho, a escala ou o custo. Nosso objetivo para a próxima geração do Amazon Sagemaker, incluindo o Sagemaker Unified Studio, é tornar os dados e os trabalhadores da IA mais produtivos, fornecendo acesso a todos os seus dados e ferramentas em um único ambiente de desenvolvimento.
Construindo a partir de um único ambiente de desenvolvimento de dados e IA
Vamos explorar um desafio comercial comum: aumentando a receita através da melhor geração de leads. Considere uma organização que implementa um assistente digital inteligente em seu web site para se envolver com os clientes – um processo que tradicionalmente requer várias ferramentas e fontes de dados. Com o Sagemaker Unified Studio, todo esse processo agora pode ser realizado em um único ambiente de desenvolvimento de dados e IA.
Primeiro, a equipe de dados usa o playground generativo de IA no Sagemaker Unified Studio para avaliar e selecionar rapidamente o melhor modelo para suas interações com os clientes. Eles então criam um projeto para abrigar as ferramentas e os recursos necessários para o seu caso de uso e usam a Amazon Bedrock dentro do projeto para construir e implantar um sofisticado assistente digital que rapidamente começa a ser qualificado em seu web site.
Para identificar as oportunidades mais promissoras, a equipe desenvolve uma estratégia de segmentação. O engenheiro de dados solicita que o desenvolvedor da Amazon Q identifique os conjuntos de dados que contêm dados de chumbo e usa integrações zero-ETL para trazer os dados para a Sagemaker Lakehouse. O analista de dados o descobre e cria uma visão abrangente de seu mercado. Eles usam o editor de consultas do SQL para criar segmentos de advertising and marketing, que então escrevem de volta ao Sagemaker Lakehouse, onde estão disponíveis para outros membros da equipe.
Por fim, o cientista de dados acessa o mesmo conjunto de dados, que eles usam para treinar e implantar um modelo de pontuação automatizada de leads usando ferramentas disponíveis na Sagemaker AI. Durante a fase de desenvolvimento do modelo, eles usam os recursos de criação e solução de problemas da Amazon Q Developer para escrever com eficiência o código livre de erros em seu pocket book JupyterLab. O modelo last oferece às equipes de vendas as oportunidades de maior valor, que podem visualizar em um painel de inteligência de negócios e agir imediatamente.
Reduzindo o tempo de valor em um ambiente unificado
O que é notável neste exemplo é que todo o processo acontece em um ambiente integrado. Sem o Sagemaker Unified Studio, a equipe teria que trabalhar com várias fontes de dados, ferramentas e serviços, gastando tempo aprendendo vários ambientes de desenvolvimento, criando compartilhamentos de recursos e configurando manualmente os controles de acesso. O engenheiro de dados e o analista de dados teriam trabalhado em vários armazéns de dados, lagos de dados e ferramentas de análise, o cientista de dados teria trabalhado em um ambiente de estúdio e pocket book ML e o construtor de aplicativos em uma ferramenta generativa de IA. Agora, eles podem construir e colaborar com seus dados e ferramentas disponíveis em uma experiência, reduzindo drasticamente o tempo de valor.
É por isso que estamos tão empolgados com a próxima geração do Amazon Sagemaker e com a disponibilidade geral do Sagemaker Unified Studio. Acreditamos que, colocando tudo o que você precisa para análises e IA em um só lugar, você pode resolver problemas complexos de ponta a ponta com mais eficiência e obter resultados inovadores mais rapidamente do que nunca.
Introdução ao Sagemaker Unified Studio
Para saber mais, confira os seguintes recursos:
Sobre os autores
G2 Krishnamoorthy é vice -presidente de análise, principais serviços da AWS Lake, integração de dados, serviço de opensearch Amazon e Amazon Quicksight. Antes de sua função atual, o G2 construiu e executou a plataforma de análise e ML no Fb/Meta, e construiu várias partes do banco de dados do SQL Server, Azure Analytics e Azure ML na Microsoft.
Rahul Pathak é vice -presidente de mecanismos de banco de dados relacional, líder da Amazon Aurora, Amazon Redshift e Amazon QLDB. Antes de sua função atual, ele period vice -presidente de análise da AWS, onde trabalhou em todo o portfólio de banco de dados da AWS. Ele co-fundou duas empresas, uma focada na análise de mídia digital e a outra em IP-Geolocation.