AWS Lanza MLflow Administrado de Código Abierto para Mejorar el Aprendizaje Automático en Amazon SageMaker

A pesar de que el enfoque en el panorama de la IA generativa en AWS se ha centrado principalmente en Amazon Bedrock durante el último año, Amazon SageMaker sigue siendo un recurso vital que ofrece funcionalidades esenciales para el aprendizaje automático.

Lanzado en 2017, Amazon SageMaker facilita todo el ciclo de vida del aprendizaje automático, desde la creación y entrenamiento de modelos hasta su implementación y gestión a gran escala. Proporciona un entorno administrado integral con herramientas que permiten a los clientes construir, entrenar y desplegar modelos de aprendizaje automático y aprendizaje profundo. Cientos de miles de usuarios confían en SageMaker para tareas como el entrenamiento de modelos populares de IA generativa y la gestión de cargas de trabajo de aprendizaje automático. Aplicaciones destacadas incluyen el entrenamiento de Stable Diffusion de Stability AI y el funcionamiento del generador de texto a video Dream Machine de Luma.

AWS está mejorando aún más SageMaker con la disponibilidad general del servicio administrado MLflow. MLflow, una plataforma de código abierto, optimiza el ciclo de vida del aprendizaje automático, abarcando experimentación, reproducibilidad, implementación y monitoreo de modelos de ML. Al integrar MLflow como un servicio administrado dentro de SageMaker, AWS empodera a los usuarios para crear la próxima generación de modelos de IA de manera más eficiente.

"Dados los rápidos avances en innovación, nuestros clientes desean pasar rápidamente de la experimentación a la producción, acelerando su tiempo de comercialización", afirmó Ankur Mehrotra, Director y Gerente General de Amazon SageMaker en AWS. "Estamos lanzando MLflow como una capacidad administrada en SageMaker, permitiendo a los usuarios configurarlo y ponerlo en marcha con pocos clics".

Lo que MLflow Ofrece a los Usuarios de AWS

MLflow es ampliamente adoptado por desarrolladores y organizaciones para MLOps. Mehrotra enfatizó que el nuevo servicio administrado mejora la oferta a los usuarios empresariales sin comprometer las características existentes. Proporcionando MLflow como una solución totalmente administrada e integrada con SageMaker, AWS responde a las necesidades de los usuarios que buscan una experiencia fluida en ambas plataformas. "A medida que iteran en sus modelos, pueden registrar métricas en MLflow, rastrear y comparar diferentes iteraciones", explicó Mehrotra. "Luego, pueden registrar estos modelos en un registro de modelos y desplegarlos con facilidad".

El servicio administrado de MLflow está profundamente integrado con los componentes existentes de SageMaker, asegurando que las acciones dentro de MLflow se sincronicen automáticamente con servicios de SageMaker como el Registro de Modelos. "Lo construimos para integrarse sin problemas con las capacidades de SageMaker, ya sea en el entrenamiento, implementación o alojamiento de modelos, proporcionando a los clientes una experiencia MLflow cohesiva", agregó Mehrotra.

Varias organizaciones, como el proveedor de alojamiento web GoDaddy y Toyota Connected, una filial de Toyota Motor Corporation, ya han explorado el servicio administrado durante su fase beta.

SageMaker y Bedrock: Servicios Complementarios

Mientras que Amazon SageMaker se centra en el ciclo de vida completo del aprendizaje automático, AWS introdujo recientemente Amazon Bedrock para desarrollar aplicaciones de IA generativa. Mehrotra aclaró el rol de SageMaker dentro de este ecosistema de IA: "SageMaker está diseñado para construir, entrenar y desplegar modelos, mientras que Bedrock se especializa en crear aplicaciones de IA generativa", afirmó. "Muchos clientes utilizan tanto SageMaker como Bedrock, junto con otros servicios, para desarrollar sus soluciones de IA generativa".

Esto permite a los desarrolladores crear modelos en SageMaker y implementarlos en aplicaciones de IA a través de Bedrock, aprovechando sus capacidades sin servidor, convirtiendo estos servicios en elementos complementarios de la oferta de IA generativa de AWS.

Enfoque Futuro de Amazon SageMaker

Mirando hacia el futuro, Mehrotra compartió las prioridades clave que guían la hoja de ruta del producto Amazon SageMaker. Un enfoque principal es escalar y optimizar costos mientras se simplifica el proceso de desarrollo para los clientes. "Nuestro objetivo es reducir las tareas pesadas y no diferenciadas para los clientes mientras construyen nuevas soluciones de IA. Esperen ver más capacidades que permitan a los clientes crear y lanzar estas soluciones más rápido", concluyó.

Este enfoque estratégico posiciona a Amazon SageMaker como un jugador fundamental en el avance del aprendizaje automático y el panorama de la IA generativa.